开发一种深度学习系统,用于在手术内识别癌症转移

科学领域:

• 在瘤学瘤学.
• 手术技术 手术技术
• 人工智能的人工智能

背景情况:

• 腹表面转移是手术后癌症复发的常见原因.
• 外科医生可能会错误地识别这些转移在分期腹腔镜.
• 改善手术内检测对于有效的癌症治疗至关重要.

研究的目的:

• 开发和评估一个深度学习的外科指导系统 (CASL) 用于腹膜表面转移的手术内识别.
• 将CASL的诊断性能与瘤外科医生的诊断性能进行比较.

主要方法:

• CASL是使用132名胃肠腺癌患者的腹腔镜图像开发的.
• 该系统分析了4287个可见病变和3650个活检病变的图像补丁.
• 在模拟的临床环境中,CASL的表现与111名瘤外科医生进行了比较.

主要成果:

• 外科医生的推活检转移的准确率为52%.
• 与外科医生 (0.69) 相比,CASL在ROC曲线下的面积 (0.78) 更高.
• 人与计算机的结合方法产生了0.79的AUC,将转移的识别提高了5%,并将活检减少了28%.

结论:

• 开发的人工智能系统为腹膜转移的手术内识别提供了一个潜在的途径.
• 需要进一步开发和多机构的临床验证.
• CASL显示了提高手术分期准确性和治疗规划的潜力.