通过基于人工智能的新型Web应用程序增强前列腺癌诊断:深度学习模型,多式联络数据和病理学家的可用性研究中的洞察力的协同作用

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 前列腺癌是男性癌症死亡的主要原因.
• 精确的前列腺癌活检分类对于治疗规划至关重要.
• 将生物检查分级的高级深度学习集成到临床工作流程中仍然是一个挑战.

研究的目的:

• 开发和评估一个结合人类专业知识和人工智能的网络平台,用于前列腺癌分级.
• 通过用户反评估人工智能辅助分级工具的可用性和临床相关性.

主要方法:

• 开发了一个网络平台,将人工智能驱动的分级与人类专业知识和各种数据源相结合.
• 可用性和临床一致性通过调查和NASA TLX可用性测试与病理学家和医疗从业人员进行评估.
• 用户反收集了导航,易于理解,数据要求和整体工作量.

主要成果:

• 60%的用户发现该平台易于浏览 (5.5/7易于理解).
• 所有用户都更喜欢详细的摘要选项卡,以方便使用 (6.5/7).
• 高分辨率活检图像被认为至关重要,而80%的用户认为广泛的患者人口统计数据是不必要的.

结论:

• 人工智能辅助的前列腺癌分级平台展示了高可用性和用户接受度.
• 该工具显示了减少病理学家工作量和改善AI在瘤学中的临床整合的潜力.
• 根据工作负载评估,建议进一步改进数据可视化和解释.