深度学习有助于对初级中枢神经系统淋巴瘤进行手术前诊断
Paul Vincent Naser1,2,3,4, Miriam Cindy Maurer5,6, Maximilian Fischer2,5,7
1Heidelberg University Hospital, Department of Neurosurgery, Im Neuenheimer Feld 400, 69120 Heidelberg, Germany.
iScience
|February 14, 2024
概括
一个新的卷积神经网络 (CNN) 算法使用MRI扫描准确区分质母细胞瘤 (GBM) 和初级中枢神经系统淋巴瘤 (PCNSL). 这种人工智能工具显示了改善手术前诊断的潜力,在与专家审查相结合时,其表现优于临床医生,并提高了准确性.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 在手术前区分质母细胞瘤 (GBM) 和初级中枢神经系统淋巴瘤 (PCNSL) 是具有挑战性的,但对治疗至关重要.
- 目前的诊断方法可能是有限的,需要改进的工具来进行准确的手术前评估.
研究的目的:
- 开发和评估一个卷积神经网络 (CNN) 算法,用于使用磁共振成像 (MR) 来进行PCNSL与GBM的手术前分化.
- 将CNN算法的诊断性能与经验丰富的神经外科医生和放射科医生进行比较.
主要方法:
- 基于DenseNet169的CNN接受了68名PCNSL和69名GBM患者的MR成像数据的训练.
- 美国有线电视新闻网的表现在一个由10例PCNSL和10例GBM病例组成的外部测试组中得到验证.
- 算法的准确性和负预测值 (NPV) 与六名专家临床医生的准确性进行了比较.
主要成果:
- 在预测PCNSL方面,CNN取得了80%的准确率和0.8的NPV,超过了临床医生的平均准确率73%,NPV为0.77.
- 综合方法,将CNN诊断与不同意见案件的专家审查相结合,导致准确度大幅提高到95%.
结论:
- 开发的CNN算法显示了强大的潜力,可以提高PCNSL的手术前放射性诊断.
- 人工智能驱动的诊断工具可以增强临床专业知识,从而在神经瘤学中进行更准确,更及时的诊断.
