放射学和深度学习模型来区分肺腺素状癌:一个多中心试验
Xianjing Chu1, Lishui Niu1, Xianghui Yang2
1Department of Oncology, Xiangya Hospital, Central South University, Changsha 410008, China.
iScience
|September 4, 2023
概括
这项研究开发了放射学和深度学习模型,以准确区分腺状癌 (ASC) 与腺状癌 (ADC) 和状细胞癌 (SCC),提供一种非侵入性诊断工具.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 状腺癌 (ASC) 由于其混合组织学而带来诊断挑战.
- 误诊可能发生,因为ASC可能来自腺癌 (ADC) 或状细胞癌 (SCC).
研究的目的:
- 开发和验证放射学和深度学习模型,以区分ASC与ADC和SCC.
- 为ASC建立一种非侵入性,准确和及时的诊断方法.
主要方法:
- 整合了增强的CT特征和临床特征.
- 使用放射学和深度学习进行训练和验证的分类模型.
- 使用AUC,精度,灵敏度,特异性,PPV和NPV评估模型性能.
主要成果:
- 最优的三类分类模型在外部验证中实现了0.89的AUC和0.81的准确性.
- 该模型在内部测试中表现出卓越的性能,AUC为0.99,准确度为0.99.
- 开发的模型在区分ASC与其他亚型方面表现出很高的有效性.
结论:
- 放射学和深度学习模型有效地将ASC与ADC和SCC区分开来.
- 这些模型为早期和准确的ASC诊断提供了一个有希望的非侵入性方法.
- 这些发现支持AI驱动的成像分析在癌症诊断中的临床实用性.
