将人工智能深度学习方法应用于基础细胞癌的常规皮肤病理学诊断
Nicole Duschner1, Daniel Otero Baguer2, Maximilian Schmidt2
1MVZ Dermatopathology Duisburg Essen, Essen, Germany.
概括
人工智能 (AI) 模型现在可以在常规皮肤病理学中准确检测基底细胞癌 (BCC). 这种人工智能支持提高了这种常见皮肤癌的诊断效率.
科学领域:
- 皮肤病理学 皮肤病理学
- 人工智能的人工智能
- 计算病理学计算病理学
背景情况:
- 皮肤病理学研究所面临着越来越多的样本量和劳动力短缺.
- 基底细胞癌 (BCC) 是一种普遍存在的皮肤癌,对诊断工作量作出了重大贡献.
- 数字病理学和人工智能为诊断挑战提供了潜在的解决方案.
研究的目的:
- 开发和验证基于人工智能的模型,用于自动检测基底细胞癌 (BCC).
- 在多个中心的常规临床环境中评估AI模型的性能.
主要方法:
- 来自三个皮肤病理中心的常规基础细胞癌 (BCC) 病例的数字化.
- 使用U-Net架构的神经网络开发AI算法.
- 人工智能辅助数字诊断与传统模拟显微镜的比较.
主要成果:
- 人工智能模型在常规实践中表现出高精度,灵敏度从97.67%到98.57%不等,并且在各中心的特异性从96.77%到98.73%.
- 该模型很好地对来自不同中心的样本进行了概括,而无需重新培训.
- 基于AI的自动化亚型和BCC的瘤厚度测量成功实施.
结论:
- 基于AI的方法在临床环境中实现了基底细胞癌 (BCC) 检测的高精度.
- 人工智能显著支持皮肤病理学工作流程,提高诊断能力.
- 开发的AI模型显示了在诊断BCC时常规临床应用的前景.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.4K
10:45Deep Dermal Injection As a Model of Candida albicans Skin Infection for Histological Analyses
Published on: June 13, 2018
10.8K
