人工智能和大镜:自动识别宫状细胞癌前体

科学领域:

• 妇科瘤学 妇科瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 结肠镜对于管理子宫癌前体至关重要,但其有效性可能有限.
• 人工智能 (AI),特别是卷积神经网络 (CNN),在基于图像的医学专业方面表现有前途.
• 需要在结肠镜检查中改进诊断工具,以提高成本效益和患者的治疗结果.

研究的目的:

• 开发和验证一种CNN,在镜图像中自动区分高度皮内皮病变 (HSIL) 和低度皮内皮病变 (LSIL).
• 评估开发的CNN模型的诊断性能.
• 探索人工智能的潜力,以提高结肠镜评估的准确性.

主要方法:

• 这是一项回顾性研究,使用了70个结肠镜检查 (22,693),其中8729被分类为HSIL由他的病理学.
• 在90%的数据集上训练CNN模型,并在剩余的10%上进行测试.
• 使用灵敏度,特异性,准确性,正预测值 (PPV),负预测值 (NPV) 和AUC-ROC来评估性能.

主要成果:

• 美国有线电视新闻网 (CNN) 实现了高诊断性能:99.7%的灵敏度,98.6%的特异性,99.0%的准确性.
• 积极预测值 (PPV) 为97.8%,负预测值 (NPV) 为99.8%.
• 该模型展示了0.98的接收器操作曲线 (AUC-ROC) 下的强大区域,并处理了每秒112.

结论:

• 一个CNN模型成功地被开发出来,以区分宫癌前体 (HSIL与LSIL) 与镜镜.
• 在区分HSIL和LSIL方面,CNN的高精度表明,在结肠镜检查中,诊断产量可能会得到改善.
• 这种人工智能驱动的方法可以提高宫发育不良的管理,并有助于更有效的宫癌查计划.