基于多实例学习的人工智能模型,以协助声白血病的诊断:一个多中心诊断研究.
Mei-Ling Wang1, Cheng-Wei Tie2, Jian-Hui Wang3
1Department of Endoscopy, National Cancer Center, National Clinical Research Center for Cancer, Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences, Peking Union Medical College, Shenzhen, China.
American journal of otolaryngology
|May 4, 2024
概括
使用多实例学习 (MIL) 的人工智能 (AI) 系统改善了声白血病 (VFL) 的诊断. 这种人工智能辅助的工具增强了耳鼻喉科医生区分良性和恶性VFL的能力,有助于临床决策.
科学领域:
- 人工智能在医学中的应用
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医学图像分析 医学图像分析
背景情况:
- 声白血病 (VFL) 诊断需要区分良性和恶性病变.
- 准确的诊断对于有效的治疗计划和患者的结果至关重要.
- 当前的诊断方法可能是主观的,可能会从客观的人工智能协助中受益.
研究的目的:
- 开发和验证基于多实例学习 (MIL) 的人工智能 (AI) 模型,用于使用喉镜图像进行VFL诊断.
- 评估AI系统在区分良性和恶性VFL方面的表现.
- 评估人工智能协助对耳鼻喉科医生诊断绩效的影响.
主要方法:
- 开发和验证一个人工智能系统,使用3家医院551名患者的5362张喉镜图像.
- 利用图像级特征的自动化兴趣区域 (ROI) 分段和患者级特征融合的 MIL.
- 通过实时视频分析和人机比较数据库,与耳鼻喉科医生 (高级和初级) 进行AI辅助诊断性能比较.
主要成果:
- 基于MIL的AI系统在外部验证中实现了图像级细分的最大曲线下面积 (AUC) 0.869和患者级诊断的0.851.
- 使用人工智能系统实时视频诊断的AUC达到0.850.
- 人工智能辅助显著改善了高级 (0.720到0.808) 和初级 (0.647到0.807) 耳鼻喉科医生的诊断AUC.
结论:
- 开发的基于MIL的AI辅助诊断系统显示了提高VFL诊断准确性的巨大潜力.
- 人工智能系统提高了耳鼻喉科医生的诊断性能,导致更明智的临床决策.
- 这种人工智能工具为准确区分良性和恶性声病变提供了有价值的辅助.
