深度学习和高分辨率解剖学:开发一种可互操作的算法,用于检测和区分状细胞癌前体 - - 一项多中心研究
Miguel Mascarenhas Saraiva1,2,3, Lucas Spindler4, Thiago Manzione5
1Department of Gastroenterology, São João University Hospital, Alameda Professor Hernâni Monteiro, 4200-427 Porto, Portugal.
Cancers
|May 25, 2024
概括
使用深度学习的人工智能 (AI) 在高分辨率无光镜 (HRA) 图像中准确地检测出高等级状内皮病变 (HSIL) 和低等级状内皮病变 (LSIL). 这种人工智能系统增强了癌前体的早期诊断.
科学领域:
- 胃肠病学 胃肠病学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 高分辨率无光镜 (HRA) 对于检测甲状腺皮细胞癌 (ASCC) 前体至关重要.
- 人工智能 (AI) 在分析HRA图像以差异化病变方面表现有前途.
- 现有的方法需要专家解释,突出了对自动化解决方案的需求.
研究的目的:
- 开发和评估一个深度学习系统,使用HRA图像自动检测和区分HSIL与LSIL.
- 评估人工智能系统在传统和数字HRA平台上的性能.
- 在各种染色和后处理条件下确定AI的准确性.
主要方法:
- 一个卷积神经网络 (CNN) 使用来自151次检查的57,822张HRA图像被开发出来.
- 数据集包括传统和数字前镜的图像.
- 在用乙酸和Lugol染,以及治疗性操纵后,对用乙酸和Lugol染的子集进行了性能评估.
主要成果:
- 在区分HSIL和LSIL方面,CNN的整体准确率达到了94.6%.
- 该算法显示出高灵敏度 (93.6%) 和特异性 (95.7%),AUC为0.97.
- 在不同的条件下,准确性仍然很高,在治疗操纵后达到99.3%.
结论:
- 人工智能算法,特别是这个CNN,可以有效地提高ASCC前体的早期诊断.
- 开发的AI系统在传统和数字HRA接口上都能充分发挥作用.
- 对HRA图像的自动化分析具有改善ASCC前体检测和管理的巨大潜力.
