通过在多相CT数据上训练的等级人工智能系统来自动预测肝转移的起源:一项回顾性多中心研究

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 诊断肝转移的主要来源是复杂和耗时的.
• 目前的计算机断层扫描 (CT) 对LMs起源的分类具有挑战性,阻碍了高效的临床工作流程.

研究的目的:

• 开发和验证基于人工智能的系统 (ALMSS),用于自动分析肝脏对比度增强CT (CECT) 扫描.
• 为了区分LMS与肝细胞癌 (HCC) 和肝内胆管癌 (ICC).
• 将LMs的主要来源分类为六个器官系统.

主要方法:

• 一个AI系统,ALMSS,在CECT数据集 (n=3105) 上进行了训练和测试,并在外部队列 (n=622) 上进行了验证.
• 该系统对CECT扫描进行了自动分析,用于分类和分类类型任务.
• 评估了有或没有ALMSS协助的放射科医生的表现.

主要成果:

• 在区分LMS,HCC和ICC方面,ALMSS的平均AUC为0.917-0.923,超过了放射科医生的表现.
• 该系统的平均AUC为0.815-0.818,用于预测LMs的六个主要来源.
• ALMSS显示出诊断可扩展性,达到0.761的平均AUC,用于将培训类别之外的起源分类.

结论:

• 一个基于人工智能的诊断系统,ALMSS,是为了有效地从多相CT图像直接识别和表征LMS而建立的.
• ALMSS提供了一种简化方法来诊断肝转移及其起源,改进了当前的临床实践.