人工智能模型用于区分早期胃癌侵入性深度T1a和T1b之间的区别
Tsung-Hsing Chen1, Chang-Fu Kuo2, Chieh Lee3
1Department of Gastroenterology and Hepatology, Linkou Medical Center, Chang Gung Memorial Hospital, Taoyuan, Taiwan.
Journal of Cancer
|May 6, 2024
概括
人工智能 (AI) 模型可以准确地确定早期胃癌 (EGC) 的阶段,可能取代内镜超声波 (EUS) 和计算机断层扫描 (CT) 扫描. 这种AI工具为EGC分期提供了更高的准确性,有助于治疗决策.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 内镜下粘膜切割 (ESD) 是T1a胃癌没有淋巴结转移的标准.
- 目前的分期方法,如内镜超声波 (EUS) 和计算机断层扫描 (CT),检查质量不一致.
- 这种不一致性限制了ESD在早期胃癌 (EGC) 治疗计划中的有效性.
研究的目的:
- 开发和验证人工智能 (AI) 模型,用于准确的早期胃癌 (EGC) 阶段.
- 评估人工智能模型能够取代EUS和CT等传统分期方法的能力.
- 为了简化和提高EGC分期治疗决策的准确性.
主要方法:
- 利用数据增强和你只看一次 (YOLO) 方法来开发AI模型.
- 在351个T1a和542个T1b白光图像的数据集上训练并验证了AI模型.
- 使用来自另一个机构的47张T1a和9张T1b图像的单独数据集进行了外部验证.
主要成果:
- 人工智能模型通过对原始数据集进行k倍交叉验证,实现了平均86.18%的准确性.
- 外部验证显示了类似的性能,总体准确率为82.14%.
- 人工智能模型的准确性超过了EUS和CT报告的平均准确性 (在之前的研究中约为70%).
结论:
- 开发的AI模型有效地将胃癌 (EGC) 进行早期分期,显示出可能取代EUS和CT的潜力.
- 人工智能模型在内部和外部验证数据集中展示了强大的性能.
- 这种人工智能方法为EGC分期提供了更准确和潜在的简单方法,改善了治疗规划.
