状甲状腺癌的宫淋巴结转移预测 美国视频:一个前性的多中心研究
Ming-Bo Zhang1, Zhe-Ling Meng2, Yi Mao1
1Department of Ultrasound, the First Medical Center, General Hospital of Chinese PLA, Beijing, China.
BMC medicine
|April 12, 2024
概括
人工智能 (AI) 使用超声波视频准确预测乳头甲状腺癌中的淋巴结转移. 这种人工智能工具提高了放射科医生的表现,提高了诊断准确度和灵敏度,以便更好地管理患者.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精确预测淋巴结转移 (LNM) 对调整皮质甲状腺癌 (PTC) 患者的治疗至关重要.
- 目前的方法有过度治疗或治疗不足的风险;在甲状腺超声波 (美国) 上训练的人工智能 (AI) 显示出改善预测的希望.
研究的目的:
- 开发和验证一个深度学习模型,用于使用美国视频在PTC中预测LNM.
- 评估AI模型的诊断性能及其对放射科医生的辅助效果.
主要方法:
- 一个多尺度,多框架,双向深度学习 (MMD-DL) 模型在回顾性PTC患者数据 (n=488) 上进行了预训练.
- 该MMD-DL模型进行了微调,并使用额外的PTC患者数据 (n=218) 在四个中心进行了前性验证.
- 用ROC曲线,AUC,精度,灵敏度和特异性来评估诊断性能,并将AI辅助放射科医生与无辅助放射科医生进行比较.
主要成果:
- MMD-DL模型在测试队列中达到0.85的AUC,在验证队列中达到0.81的AUC.
- 使用人工智能模型的放射科医生在平均诊断准确度 (60%vs. 57%) 和灵敏度 (65%vs. 62%) 中显著改善.
结论:
- 在美国视频上训练的AI模型可以准确和可重现地预测PTC患者的宫LNM在手术前.
- 人工智能模型作为一种有效的工具来提高美国放射科医生的诊断性能.
