针对中国临床实践的甲状腺结节的快速手术内诊断机器学习模型的研究
Yan Ma1, Xiuming Zhang2, Zhongliang Yi3
1Department of Pathology, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, Hangzhou, Zhejiang, China.
Cancer medicine
|January 8, 2024
概括
这项研究开发了一个用于甲状腺结节的AI诊断工具,在手术期间实现100%的特异性来区分良性和恶性病例. 人工智能模型有助于快速,准确的手术内诊断,克服病理学家短缺.
科学领域:
- 病理学 病理学 病理学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 甲状腺结节的快速手术内诊断对于中国的外科指导至关重要.
- 挑战包括缺少子专业病理学家和诊断延迟.
- 需要新的方法来提高诊断的有效性.
研究的目的:
- 为甲状腺结节开发先进的诊断方法.
- 为了提高手术内诊断的准确性和速度.
- 为了解决当前诊断工作流程的局限性.
主要方法:
- 利用人工智能 (AI) 和机器学习技术进行自动化基因病理幻灯片诊断.
- 使用注释数据训练人工智能模型,选择高效的netV2-b0架构.
- 进行多组实验以优化模型性能.
主要成果:
- 在191个测试幻灯片上,AI模型实现了72.65%的灵敏度和100.0%的特异性,用于良性/恶性类别 (AUC 86.32%).
- 在状甲状腺癌亚型诊断中达到99.46%的高AUC.
- 每个幻灯片的平均诊断时间为237.6秒.
结论:
- 拟议的AI方法在测试数据集中证明了在手术期间甲状腺结节的准确诊断.
- 人工智能方法为快速的手术内诊断提供了一个有希望的解决方案.
- 这项技术有可能改善外科手术决策和患者的治疗结果.
