临床验证基准数据集和专家绩效基准对结肠直肠息肉定位方法的基准数据集和专家绩效基准
Luisa F Sánchez-Peralta1,2, Ben Glover3, Cristina L Saratxaga4
1Jesús Usón Minimally Invasive Surgery Centre, E-10071 Cáceres, Spain.
Journal of imaging
|September 27, 2023
概括
人工智能有助于检测结直肠癌的息肉,提高腺瘤检测率. 建立了一个新的数据集和专家基线性能,用于在临床试验之前验证人工智能系统.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 结肠直肠癌是全球主要的死亡原因.
- 早期检测显著提高了生存率.
- 腺瘤检测率 (ADR) 是结肠镜检查质量的关键指标.
研究的目的:
- 建立一个标准化的实验室环境,用于比较AI和专家在聚检测方面的表现.
- 引入ClinExpPICCOLO数据集,用于评估人工智能驱动的息肉检测系统.
- 为AI验证提供临床专家绩效基准.
主要方法:
- 开发ClinExpPICCOLO数据集,包含65张未经编辑的内镜图像 (白光和窄带成像).
- 不总是以图像为中心的病变包括在内,以模仿真实的临床情景.
- 使用146位胃肠科医生来确定病变的性能基线的建立.
主要成果:
- 专家胃肠道学家的准确率达到了77.74%.
- 对专家表现的敏感性和特异性分别为86.47%和74.33%.
- 在不同体验组之间观察到有统计学意义的差异.
结论:
- 已建立的专家绩效为AI/深度学习 (DL) 方法提供了最低基准.
- 这项研究为AI在结肠镜检查中的标准化实验室验证奠定了先例.
- 这些发现支持人工智能提高腺瘤检测率和结肠镜检查质量的潜力.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
297
03:44Structured Approach to Colonoscopy Technique Optimization: A Single-Center Experience with Novice Endoscopists
Published on: July 11, 2025
9
