基于人工智能的诊断胃介质瘤使用数字内声学图像分析图像分析
Dong Chan Joo1, Gwang Ha Kim1, Moon Won Lee1
1Department of Internal Medicine, Pusan National University School of Medicine and Biomedical Research Institute, Pusan National University Hospital, Busan 49241, Republic of Korea.
Journal of clinical medicine
|July 13, 2024
概括
整合临床和内镜因素增强了人工智能 (AI) 辅助的内镜超声波 (EUS) 模型,用于诊断胃介质瘤,提高诊断准确度和指导未来的AI开发.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 辅助的内镜超声波 (EUS) 在诊断胃介质瘤方面显示出前景.
- 目前的人工智能模型主要依赖于数字图像分析.
研究的目的:
- 评估是否结合临床和内镜因素可以提高人工智能辅助的EUS胃介质瘤诊断性能.
- 将基线AI模型的诊断精度与包括附加患者数据在内的增强模型进行比较.
主要方法:
- 对464名经过手术切除胃介质瘤的患者进行了回顾性分析.
- 使用数字EUS图像开发人工智能辅助的分类模型 (逻辑回归,决策树,随机森林,KNN,SVM).
- 将临床和内镜因素集成到AI模型中,以评估性能提升.
主要成果:
- 基线AI模型实现了接收器操作特征 (AUC) 曲线下的面积,范围从0.673到0.805.
- 结合临床/内镜因素的增强模型显示AUC值有所改善,达到0.896 (随机森林).
- 随机森林和K-最近邻居 (KNN) 模型显示了显著的性能增长 (p < 0.001).
结论:
- 结合临床和内镜因素显著改善了人工智能辅助的EUS模型对胃介质瘤的诊断性能.
- 这种方法为开发更准确的AI诊断工具提供了一条途径.
