人工智能在灵活支气管镜镜检查过程中用于快速现场评估的应用

科学领域:

• 人工智能在医学中的应用
• 肺部病理学 肺部病理学
• 细胞病理学 细胞病理学

背景情况:

• 灵活支气管透视 (FB) 期间的快速现场评估 (ROSE) 提高了活检的充分性和肺癌诊断产量.
• 细胞病理学家的有限可用性限制了ROSE的广泛采用.
• 人工智能提供了一种潜在的解决方案,可以克服手动ROSE解释的局限性.

研究的目的:

• 开发基于深度学习的人工智能 (AI) 系统,用于快速现场评估 (ROSE).
• 使用ROSE细胞学图像来区分恶性和良性肺病变.
• 评估开发的ROSE AI系统的临床性能和诊断准确性.

主要方法:

• 一个深层卷积神经网络 (DCNN) 被开发为ROSE AI系统的核心.
• 该系统在6357张ROSE细胞学图像上进行了训练和测试,这些图像来自721名接受横支气管活检的患者.
• 通过内部测试,外部测试和人机竞赛来评估性能.

主要成果:

• 罗斯人工智能系统在识别恶性肺细胞方面取得了很高的准确性 (92.97%的内部,90.26%的外部).
• 肺癌的诊断性能显示精度为89.61% (内部) 和87.59% (外部),具有高灵敏度.
• 在诊断常见的肺癌类型方面,人工智能与经验丰富的细胞病理学家几乎完全一致.

结论:

• 开发的ROSE AI系统是可行的,并且在FB期间确定样本充足性的强大.
• 人工智能系统显示,它有可能提高肺癌灵活支气管镜检查的诊断产量.
• 为了实现临床整合,需要进一步验证各种数据和多中心试验.