基于数字病理学的人工智能模型用于分化诊断和零星口腔瘤瘤的预后
Xinjia Cai1, Heyu Zhang2, Yanjin Wang3
1Department of Oral Pathology, Peking University School and Hospital of Stomatology & National Center of Stomatology & National Clinical Research Center for Oral Diseases & National Engineering Research Center of Oral Biomaterials and Digital Medical Devices, Beijing, China.
International journal of oral science
|February 25, 2024
概括
人工智能 (AI) 模型是使用数字病理学开发的,用于诊断和预测常见的囊,即口腔囊 (OKC) 的预后. 这些人工智能模型显示出高精度,为改善OKC和其他牙病的临床管理提供了潜力.
科学领域:
- 数字病理学数字病理学
- 医学中的人工智能.
- 口腔病理学 口腔病理学
背景情况:
- 牙生囊 (OKC) 是一种普遍存在的囊,复发率很高.
- 准确的诊断和预后对于管理OKC至关重要,特别是将其与其他囊性病变以及与戈林综合征的关联区分开来.
- 当前的诊断方法可能具有挑战性,需要先进的工具来提高准确性.
研究的目的:
- 开发和验证人工智能 (AI) 模型,以使用数字病理学来诊断和预测口腔囊 (OKC).
- 评估AI模型在区分OKC与其他囊的性能,并预测其临床过程.
- 在基因病理学分析中探索AI产生的特征的解释潜力.
主要方法:
- 使用了519个案例的数据集,其中有2,157个H&E染色图像用于AI模型开发.
- 使用Inception_v3神经网络进行补丁级图像分析和训练人工智能模型.
- 集成的深度学习功能与机器学习算法用于整个幻灯片图像级分析,比较单个和多个幻灯片模型.
主要成果:
- 人工智能模型实现了OKC的高诊断性能,AUC为0.935 (95%CI:0.898-0.973).
- 使用人工智能模型对OKC的预后预测显示出显著的准确性,AUC为0.840 (95%CI:0.751-0.930).
- 该研究展示了多幻灯片模型在整合病理学信息方面的优势,并突出了AI特征的解释潜力.
结论:
- 已经成功开发了基于人工智能的强大的诊断和预后模型,用于Odontogenic Keratocyst (OKC).
- 基于数字病理学的人工智能显示出对提高OKC和其他牙病的诊断和管理的重大承诺.
- 开发的AI模型为改善口腔病理学临床决策提供了潜在的工具.
