行动性角质炎评估的创新:基于人工智能的方法来评估LC-OCT PRO评分

科学领域:

• 皮肤病学和医学成像学
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 行动性角质炎 (AK) 是一种常见的 in situ 皮肤癌,具有恶性潜力.
• 非侵入性成像技术,如线场对焦光学连贯性断层扫描 (LC-OCT) 对于AK诊断至关重要.
• 机器学习 (ML) 为医疗图像的自动化分析提供了潜力.

研究的目的:

• 通过使用LC-OCT图像,评估一个经过验证的人工智能算法的性能,用于使用LC-OCT图像对AK的自动化PRO得分评估.
• 为了比较基于AI的PRO分数分级与专家视觉评估.
• 评估AI驱动的诊断工具的速度和可靠性.

主要方法:

• 使用了来自80个经组织学确认的AK病变的19898张LC-OCT图像的数据集.
• 使用现有的AI算法,根据皮肤-表皮结 (DEJ) 突出物自动评估PRO得分.
• 人工智能评估与成像专家提供的视觉评分进行了比较.
• 计算了额外的定量指标,包括DEJ波动和突出深度.

主要成果:

• 基于人工智能的PRO评分评估表明与专家视觉评分具有很高的可比性,达到了71.3%的同意.
• 人工智能驱动的评估比传统的视觉评分方法快得多.
• 这项研究证实了先前在更大的队列中试点发现,突出显示了AI的可靠性.

结论:

• 基于人工智能的LC-OCT图像分级是评估AK严重性的可靠和有效工具.
• 这项技术有可能显著提高AK诊断的准确性和速度.
• 通过人工智能优化诊断效率可能会改善患者的治疗结果.