使用深度学习算法进行结直肠癌组织分类和诊断. 临床实践实施的时间已经成熟了吗?

科学领域:

• 数字病理学数字病理学
• 医学的人工智能 (AI)

背景情况:

• 结肠直肠癌的诊断依赖于组织病理学.
• 整体幻灯片成像 (WSI) 能够在病理学中整合人工智能.

研究的目的:

• 评估AI算法在结直肠癌检测中的诊断性能.
• 将AI能力与人类病理学家进行比较.

主要方法:

• 使用人工智能用于结直肠癌诊断的研究的系统审查和元分析.
• 分析AI性能指标,包括平衡精度 (ACC) 和F1分数.

主要成果:

• 人工智能实现了95.8%的平均ACC和89.7%的平均F1得分.
• 深度学习算法证明了对恶性和良性组织进行*in silico*区分的能力.
• 人工智能性能在图像分析任务中被发现与病理学家不逊色.

结论:

• 目前的人工智能算法显示,通过WSI分析对结直肠癌诊断有显著的前景.
• 人工智能概括存在局限性,原因是独特的培训数据和缺乏外部验证数据集.