实时检测喉癌使用人工智能辅助系统与多式联络数据的实时检测

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 喉癌 (LPC) 诊断依赖于主观的病理活检,增加了错过诊断和不必要的手术的风险.
• 目前的诊断方法高度依赖于喉科医生的技能和经验.

研究的目的:

• 开发和验证一个基于深度卷积神经网络的系统 (LPAIDS),用于实时识别LPC.
• 通过使用人工智能来减少观察者之间的变化来提高LPC诊断准确度.

主要方法:

• 一个深层卷积神经网络 (LPAIDS) 被开发并使用来自多家医院的超过56,000张喉镜图像进行验证.
• 该系统的实时性能在视频上进行了评估,并与喉科医生的诊断准确性进行了比较.

主要成果:

• LPAIDS表现出高的诊断性能,达到0.956 (内部) 和0.940 (耳鼻科医生与机器竞争) 的准确性.
• 该系统在内部和外部验证集中显示出强度和稳定性,AUC值在0.965-0.987.7之间.
• LPAIDS的表现与专家喉科医生相提并论,与经验较少的喉科医生相提并论.

结论:

• 对于实时的LPC检测,LPAIDS提供了高精度和稳定性.
• 人工智能系统具有显著的潜力,可以提高LPC诊断的准确性,并最大限度地减少医疗保健提供者之间的差异.