机器学习和机器教学在组织病理学

科学领域:

• 数字病理学数字病理学
• 人工智能在医学中的应用
• 组织病理学培训 组织病理学培训

背景情况:

• 大肠活检的组织病理学分类对于诊断至关重要.
• 医学学生在数字病理学方面的培训需要有效的方法.
• 人工智能 (AI) 提供了提高诊断准确性的潜力.

研究的目的:

• 评估人工智能平台在培训医学学生的有效性,以分类大肠活检的整个幻灯片图像 (WSIs).
• 通过使用人工智能辅助的WSI分析,评估医学学生在多轮培训中诊断准确度的提高.

主要方法:

• 一个人工智能平台被一个咨询组织病理学家训练,以分类大肠活检WSIs.
• 六名医学学生接受了六轮培训,每轮分类五个WSI病例.
• 学生的准确性与人工智能生成的分类进行了比较,并在训练轮中进行了跟踪.

主要成果:

• 学生的诊断准确性从第一轮的平均13.7%显著提高到第六轮的77.1% (p=0.0011).
• 人工智能平台促进了学习,学生可以推断出基本上准确的形态特征.
• 个体学习曲线各不相同,有些学生表现得比其他人更快.

结论:

• 由人工智能驱动的培训平台可以显著提高医学学生在诊断大肠活检时的准确性.
• 这项研究表明,人工智能的潜力是作为在组织病理学教育和诊断技能发展中宝贵的工具.
• 在AI的帮助下,形态特征识别是提高数字病理学诊断性能的一个关键组成部分.