在肺癌患者中基于深度学习的转移检测,以提高复制性和减少用MRI查脑转移的工作负载:一项多中心研究
Yae Won Park1, Ji Eun Park2, Sung Soo Ahn3
1Department of Radiology and Research Institute of Radiological Science and Center for Clinical Imaging Data Science, Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, 03722, Seoul, Korea.
概括
使用黑血成像的深度学习系统改善了大脑转移的检测和计数. 这种人工智能工具提高了诊断工作流的可重现性,并减少了放射科医生在多中心研究中的阅读时间.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 脑转移 (BM) 检测对于癌症患者的管理至关重要.
- 准确和高效的诊断工作流程对于及时治疗至关重要.
- 黑血成像提供了大脑损伤的增强可视化.
研究的目的:
- 评估基于深度学习的系统 (DLS),用于大脑转移的检测和计数.
- 评估DLS对诊断工作流程效率和可重复性的影响.
- 通过黑血成像在多中心环境中验证DLS性能.
主要方法:
- 基于两所大学三级医院的患者数据进行了DLS的后续开发和验证.
- 四位神经放射学家独立审查了有或没有DLS协助的大脑转移病例.
- 阅读可重复性被评估使用协议的边界的BM计数;阅读时间被测量以评估工作负载.
主要成果:
- 在验证队列中,DLS显示了90.2%的检测灵敏度和88.2%的积极预测值.
- DLS改善了读数之间的协议和BM计数的参考标准.
- 随着DLS辅助,平均阅读时间显著减少 (没有DLS的66.9s与DLS的57.3s).
结论:
- 基于深度学习的脑转移检测和计数使用黑血成像提高了诊断的可重现性.
- DLS显著减少了放射科医生的阅读时间,提高了工作流的效率.
- 多中心验证证实了DLS在改善大脑转移诊断工作流程方面的有效性.
