探索基于变压器的多式模式对临床医生的皮肤疾病诊断的影响:定量分析
Yujiao Zhang1, Yunfeng Hu1, Ke Li2
1Department of Dermatology, The First Affiliated Hospital of Jinan University, Guangzhou, Guangdong, China.
Digital health
|May 24, 2024
概括
结合宏观和显微图像的新型多式人工智能模型显著提高了临床医生对皮肤疾病的诊断准确性. 这种先进的诊断工具可以提高决策能力,而不会增加诊断所需的时间.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 准确的皮肤疾病诊断对于有效的治疗至关重要.
- 整合各种成像数据可能会提高诊断准确度.
- 临床医生的经验水平可能会影响诊断性能.
研究的目的:
- 开发和评估用于皮肤疾病诊断的多式人工智能模型.
- 评估多式联络模式对临床医生的决策在经验层面的影响.
- 为了比较单模和多模模型的性能.
主要方法:
- 为五种皮肤疾病创建了一个宏观和显微图像的多式数据集.
- 单式模式被训练,表现最好的人被用作软投票多式模式的基础学习者.
- 不同经验的临床医生在无助和人工智能辅助的场景中诊断出皮肤疾病,并记录了准确性和时间.
主要成果:
- 多模式模型在外部验证集上实现了0.98准确度,优于单模式模型.
- 人工智能模型辅助改善了诊断决策 (异常比率> 1) 而没有显著增加诊断时间.
- 临床元数据没有帮助诊断,并且增加了诊断时间.
结论:
- 多式人工智能模型提高了临床医生在皮肤病学中的诊断性能.
- 拟议的模型提供了一个有前途的工具,可以提高诊断准确度,而不会影响效率.
- 需要进一步的大规模前性研究来验证这些发现.
