甲状腺结节的深度学习模型细针吸收活检的诊断:一项回顾性,前性,多中心研究在中国
Jue Wang1, Nafen Zheng1, Huan Wan1
1Department of Cellular and Molecular Diagnostics Center, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, China.
The Lancet. Digital health
|June 7, 2024
概括
一个人工智能 (AI) 系统ThyroPower显著提高了甲状腺结节诊断准确度和细胞病理学家的特异性. 这种人工智能工具有助于区分恶性和良性结节,解决专家病理学家的短缺问题.
科学领域:
- 医疗成像医学成像
- 人工智能在病理学中的应用
- 在瘤学瘤学.
背景情况:
- 通过精细针吸收细胞病理学精确区分恶性和良性甲状腺结节对于治疗至关重要.
- 细胞病理学诊断是时间密集的,并受到经验丰富的细胞病理学家稀缺性的限制.
- 需要辅助工具来提高诊断效率和准确性.
研究的目的:
- 开发和验证一种人工智能 (AI) 辅助系统,用于甲状腺细胞病理诊断.
- 根据贝塞斯达甲状腺细胞病理报告系统 (TBSRTC) 提高甲状腺结节分类的准确性和效率.
主要方法:
- 深度学习模型使用来自4037名患者的11,254张全幻灯片图像 (WSIs) 进行训练,并对细胞水平进行注释.
- 以后验证使用了来自四个医疗中心的2914名患者的5638名WSI.
- 一项前性研究评估了来自469名患者的537个甲状腺结节样本上的AI模型性能.
主要成果:
- 人工智能系统实现了高AUROC值,TBSRTC III+在验证集中从0.930到0.971,TBSRTC V+从0.965到0.991.
- 在前性评估中,TBSRTC III+和V+的AUROC分别为0.977和0.981.
- 人工智能协助将初级细胞病理学家的特异性从0.887提高到0.993,准确性从0.877提高到0.948.
结论:
- 开发的AI辅助系统ThyroPower在甲状腺细胞病理诊断方面表现出强大的性能.
- 该系统可以显著提高诊断能力和效率,可能减轻细胞病理学家的短缺.
- 人工智能辅助可以提高甲状腺结节分类的诊断准确性和特异性.
