一个深度学习算法来检测莫斯微图外科手术中冷部分的皮肤状细胞癌:回顾性评估
Matthew J Davis1, Gokul Srinivasan2, Rachael Chacko3
1Department of Dermatology, Dartmouth-Hitchcock Medical Center, Lebanon, New Hampshire, USA.
Experimental dermatology
|October 21, 2023
概括
这项研究开发了一种人工智能 (AI) 算法,用于皮肤状细胞癌 (cSCC) 的实时组织学边缘分析. 人工智能在识别cSCC方面表现出很高的准确性,显示出改善外科切除效率的潜力.
科学领域:
- 皮肤病学 皮肤病学
- 在瘤学瘤学.
- 医疗人工智能 医疗人工智能
背景情况:
- 术内边缘分析对于完整的皮肤状细胞癌 (cSCC) 切除至关重要.
- 现有的人工智能 (AI) 工具对基底细胞癌有前途,但在cSCC的多样性形态方面面临挑战.
研究的目的:
- 开发和评估人工智能算法的准确性,用于cSCC的实时组织学边际分析.
- 评估AI在提高cSCC瘤切除效率和完整性方面的潜力.
主要方法:
- 一个回顾性队列研究使用冷cSCC截面幻灯片.
- 人工智能算法开发涉及扫描,注释幻灯片,并使用卷积神经网络工作流程来识别cSCC的基因组学特征.
主要成果:
- 人工智能算法在识别cSCC时实现了高准确度的概念验证.
- 这些发现突出了将AI整合到外科手术工作流程中的潜力,以评估利率.
结论:
- 人工智能算法有望提高cSCC去除的实时边际评估,特别是在差异化瘤中.
- 需要进一步开发,以提高对差异化瘤的敏感性,并纳入解剖学背景.
