通过非对比CT和深度学习检测食道癌症
Chong Lin1,2, Yi Guo1,2, Xu Huang3
1Department of Radiology, Zhongshan Hospital (Xiamen), Fudan University, Shanghai, Fujian, China.
Frontiers in medicine
|March 21, 2024
概括
一个新的深度学习 (DL) 系统有效地使用非对比CT扫描检测食道癌. 这种AI工具有助于放射科医生,提高诊断准确度,减少这种致命疾病的错误诊断.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 食道癌是全球癌症死亡的主要原因,需要早期检测以改善患者的治疗结果.
- 传统的对比增强计算机断层扫描 (CT) 用于诊断,但深度学习 (DL) 为非对比CT应用提供了潜力.
- 重点是开发基于DL的系统,用于从非对比的胸部CT图像中确定食道癌的阶段.
研究的目的:
- 建立和评估基于深度学习 (DL) 的诊断系统,用于使用非对比胸部CT图像检测食道癌症.
- 将DL系统的诊断性能与具有不同经验水平的放射科医生进行比较.
- 评估DL系统在作为辅助工具使用时对放射科医生的诊断性能的影响.
主要方法:
- 一项回顾性双中心研究包括397名食道癌症患者和250名健康对照人进行培训,以及100名患者和100名对照人进行验证.
- 用no-new-Net (nnU-Net) 模型进行食道细分,然后使用决策树进行特征提取和分类.
- 在DL方法和放射科医生之间进行了诊断疗效的比较,包括DL辅助和无DL辅助.
主要成果:
- 基于DL的方法实现了高诊断性能,曲线下的面积 (AUC) 为0.890,灵敏度为0.900,特异性为0.880,准确度为0.882,F-score为0.891.
- 采用DL方法显著改善了放射科医生的AUC值,提高了他们的诊断能力.
- 放射科医生的AUC从0.855/0.820/0.930提高到0.910/0.955/0.965在DL辅助下 (p < 0.0001).
结论:
- 基于DL的方法证明了在非对比胸部CT上检测食道癌的满意的灵敏度和特异性.
- 这种AI工具可以帮助放射科医生改善食道癌的诊断工作.
- 使用DL方法可以最大限度地降低在CT扫描中缺失食道癌症的可能性,特别是那些为例行健康检查而获得的.
