基于人工智能的模型,通过实验室测试在中国准确诊断卵巢癌:一个多中心,回顾性队列研究
Guangyao Cai1, Fangjun Huang2, Yue Gao3
1Department of Gynecologic Oncology, State Key Laboratory of Oncology in South China, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-sen University Cancer Center, Guangzhou, China.
The Lancet. Digital health
|January 11, 2024
概括
使用常规实验室测试的人工智能 (AI) 模型可以准确预测卵巢癌,提供低成本的诊断工具. 这种方法对早期检测有希望,甚至超过现有的瘤标志物.
科学领域:
- 妇科瘤学 妇科瘤学
- 人工智能在医学中的应用
- 生物标志物发现发现
背景情况:
- 卵巢癌是一种致命的妇科恶性瘤,由于缺乏有效的生物标志物,具有诊断挑战.
- 常规实验室检查显示了卵巢癌诊断和预后的潜力.
- 需要强大的模型来帮助识别卵巢癌患者.
研究的目的:
- 系统地评估用于卵巢癌预测的例行实验室测试的诊断价值.
- 为卵巢癌识别开发一个可通用的整体人工智能 (AI) 模型.
主要方法:
- 一项回顾性队列研究收集了来自三个中国医院的有或没有卵巢癌的妇女的98项实验室测试和临床特征.
- 一个基于多标准决策的分类融合 (MCF) 框架整合了20个AI模型的预测.
- 该模型在内部和两个外部数据集上进行了验证.
主要成果:
- 使用52个特征的MCF模型,实现了0.949 (内部) 和0.882-0.884 (外部验证) 的AUC.
- 它的AUC和灵敏度高于CA125和HE4,特别是在早期卵巢癌中.
- 该模型即使没有突出的瘤标志物,也保持了准确性,并且超过了现有的最先进模型.
结论:
- MCF模型为卵巢癌预测提供了一种一致,准确,低成本和易于使用的工具.
- 常规的实验室测试,超出CA125,是有价值的贡献者,卵巢癌的特征.
- 开发的AI工具是公开可用的,用于估计卵巢癌的概率.
