不要害怕人工智能:对机器学习进行系统审查,用于在病理学中检测前列腺癌
Aaryn Frewing1, Alexander B Gibson1, Richard Robertson1
1From the Department of Physics and Astronomy, Brigham Young University, Provo, Utah.
Archives of pathology & laboratory medicine
|August 18, 2023
概括
机器学习在前列腺癌检测方面表现有前途,但还不能取代病理学家. 算法正在改进,但像格里森等级这样的复杂任务仍然对广泛的临床使用具有挑战性.
科学领域:
- 病理学 病理学 病理学
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 机器学习 (ML) 算法正在开发用于自动前列腺癌检测,这引发了关于它们与病理学家一起发挥作用的问题.
- 本综述综合了ML在前列腺癌检测和格里森分级中的当前状态.
研究的目的:
- 评估前列腺癌当前ML算法的准确性和分类能力.
- 解释机器学习技术,其临床应用以及相关的挑战.
主要方法:
- 使用已确定的标准进行系统的文献搜索和审查.
- 研究被排名,按分类方法 (二进制与多类) 分类,并提取了准确性,AUC和kappa值的数据.
- 结果被视觉总结以显示准确度趋势.
主要成果:
- 与二进制任务相比,对于多类分类任务来说,实现高精度更具挑战性.
- 在整个幻灯片图像 (WSIs) 上进行格里森分级的ML算法的临床实施尚未可行.
结论:
- 目前,ML算法还不能替代前列腺癌诊断中的病理学家.
- 机器学习可以作为一种有价值的工具来提高诊断准确度和预防误诊.
