从深度学习的普通CT图像中检测和分类肝球菌病:一项回顾性多中心研究
Zhan Wang1, Haiyang Bian2, Jiaqi Li2
1Department of Biomedical Engineering, Tsinghua University, Beijing, China; Department of Hepatopancreatobiliary Surgery, Qinghai University Affiliated Hospital, Xining, China.
The Lancet. Digital health
|September 28, 2023
概括
一个名为EDAM的AI系统使用CT扫描准确地检测和分型肝脏球菌. 该工具显示了在缺乏专家医生的服务不足地区改善诊断的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 寄生虫学的寄生虫学
背景情况:
- 肝球菌病是欠发达农村地区的重要流行病.
- 缺乏合格的医生导致诊断准确度低.
- 需要先进的诊断工具来协助临床医生.
研究的目的:
- 开发和评估一种人工智能系统 (EDAM),用于自动检测和细分类型的肝菌病.
- 为放射科医生和临床医生提供可解释的帮助,使用普通CT图像.
- 在资源有限的环境中提高诊断准确性和可访问性.
主要方法:
- 开发EDAM,这是一种用于CT分析肝肠球菌病的AI系统.
- 使用700个普通CT扫描数据集进行开发,156个用于外部验证.
- 将EDAM的表现与52名经验丰富的放射科医生进行了比较.
主要成果:
- 在内部和外部数据集上,EDAM在诊断和亚型肝球菌病方面表现出高准确性和AUC.
- 对于囊性和气泡状球结核病的高敏感性得到了实现.
- 在检测两种类型的球菌病方面表现优于大多数放射科医生.
结论:
- EDAM是一种临床适用的AI系统,提供准确,可解释的诊断.
- 人工智能系统显示出强大的通用性和临床应用潜力,特别是在欠发达地区.
- 在有限的专业护理机会的地区,EDAM可以帮助克服诊断方面的挑战.
