人工智能算法和三维体积染用于基底细胞癌检测和瘤深度评估的反射共聚焦显微镜-光学连贯性断层扫描图像:试点研究

科学领域:

• 皮肤病学 皮肤病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 反射共聚焦显微镜-光学连贯性断层扫描 (RCM-OCT) 有助于基底细胞癌 (BCC) 的检测和深度评估.
• 对于没有经验的用户来说,对RCM-OCT图像的解释可能具有挑战性.

研究的目的:

• 开发和评估用于RCM-OCT图像分析的人工智能 (AI) 模型.
• 改进使用AI的BCC检测,3D染和自动瘤深度测量.

主要方法:

• 人工智能模型在OCT图像上接受了培训,这些图像是活检确认的BCC.
• 训练有素的AI模型在BCC,良性病变和健康皮肤数据集上进行了测试.
• 人工智能辅助的图像解释与传统的RCM-OCT分析和组织病理学进行了比较.

主要成果:

• 与单独使用RCM-OCT相比,人工智能辅助的BCC检测显示出更好的灵敏度 (86.7%) 和特异性 (48.5%).
• 人工智能在瘤深度测量与组织病理学方面取得了强烈的相关性 (r2 = 0.59,P = 0.02).
• 人工智能促进了BCC的3D染和自动深度测量.

结论:

• 将AI集成到RCM-OCT系统中可以显著提高BCC的诊断性能.
• 人工智能驱动的RCM-OCT有可能扩大这种成像模式的临床实用性.
• 人工智能辅助可以克服解释方面的挑战,使临床医生更容易获得RCM-OCT.