相关实验视频
Updated: Jun 25, 2025
08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
3.5K
人工智能使宫细胞学等级和宫癌的精确诊断成为可能
Jue Wang1,2, Yunfang Yu1,3,4,5, Yujie Tan1,3,4
1Guangdong Provincial Key Laboratory of Malignant Tumor Epigenetics and Gene Regulation, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, China.
Nature communications
|May 22, 2024
概括
一个人工智能宫癌查系统 (AICCS) 在分级宫细胞学方面显示出高准确性. 由AICCS协助的专家显著提高了检测率,为有效预防癌症提供了一个有前途的工具.
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:
- 子宫癌仍然是全球主要的健康问题,强调需要有效的早期检测方法.
- 精确的宫细胞学分类对于及时干预和改善患者预后至关重要.
研究的目的:
- 开发和验证人工智能宫癌查 (AICCS) 系统,用于分级宫细胞学.
- 评估AICCS在不同数据集中的性能及其对细胞病理学家准确性的影响.
主要方法:
- 经过培训和验证的AICCS使用了来自16056名参与者的回顾性,前性和随机观察性试验数据.
- 采用了两个人工智能模型:补丁级细胞检测和全幻灯片图像 (WSI) 分类.
- 使用包括AUC,灵敏度,特异性和准确性在内的指标评估AICCS性能.
主要成果:
- AICCS在跨数据集的细胞学等级预测方面表现出高准确度.
- 在前性评估中,AICCS的AUC值为0.947,灵敏度为0.946,特异性为0.890,准确度为0.892.
- 与无辅助的表现相比,AICCS辅助的细胞病理学家显著改善了AUC,特异性,准确性,敏感性增加了13.3%.
结论:
- AICCS系统是用于宫细胞学分级的高度准确的工具.
- AICCS显示有潜力提高宫癌查计划的效率和有效性.
- 整合AICCS可以作为细胞病理学家的宝贵辅助,改善诊断结果.
