基于EUS图像的自动优化放射学建模系统,用于基于EUS图像的小胃下粘膜瘤 (<2厘米) 歧视
Mingyan Cai1, Baohui Song1, Yinhui Deng2
1Endoscopy Center and Endoscopy Research Institute, Zhongshan Hospital, Fudan University, Shanghai, China; Shanghai Endoscopic Minimally Invasive Collaborative Innovation Center, Shanghai, China.
Gastrointestinal endoscopy
|November 13, 2023
概括
一个自动优化的放射学建模系统 (AORMS) 有助于诊断和评估小胃粘膜下瘤 (SMTs). 这种人工智能工具在识别胃肠道 stromal 瘤 (GISTs) 方面明显优于经验丰富的内镜师.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 小胃下粘膜瘤 (<2厘米) 缺乏诊断共识和工具.
- 准确的诊断和这些瘤的风险分层是临床上具有挑战性的.
研究的目的:
- 开发一个自动优化的放射学建模系统 (AORMS) 用于诊断和评估小胃下粘膜瘤 (SMTs).
- 评估AORMS在区分肠道 stromal 瘤 (GISTs) 和分层他们的风险方面的表现.
主要方法:
- 使用EUS图像从205名患有小胃SMT的患者身上进行AORMS的回顾性开发.
- 对来自独立中心的178名患者进行AORMS的前性验证.
- 与经验丰富的内镜师相比,AORMS的性能进行了比较.
主要成果:
- 在AORMS中,GIST诊断的AUC为0.762,在开发组中的风险分层为0.734.
- 在独立测试组中,AORMS显示AUC为0.770 (诊断) 和0.750 (风险分层).
- AORMS显著优于内镜,超过了他们的诊断AUC超过20%的GISTs.
结论:
- 由于自动参数选择,AORMS在诊断和风险分层GIST方面表现强.
- 该系统具有临床适用性,可以帮助内镜医生管理小胃SMT.
- AORMS代表了一种有前途的工具,可以提高小胃膜下瘤的诊断准确度.
