用多模式人工智能诊断胰腺固体病变:一个随机交叉试验
Haochen Cui1, Yuchong Zhao1, Si Xiong1
1Department of Gastroenterology and Hepatology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
JAMA network open
|July 19, 2024
概括
一个新的多式人工智能 (AI) 模型整合了临床数据和内镜超声波 (EUS) 图像,显著改善了固体胰腺病变的诊断,提高了初学者内镜师的准确性.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 胃肠病学诊断诊断 胃肠病学诊断
背景情况:
- 使用内镜超声波 (EUS) 诊断固体胰腺病变是一项挑战.
- 目前用于EUS诊断的AI模型仅限于单个模式.
- 需要采用多模式方法,整合临床数据和EUS图像.
研究的目的:
- 开发和评估用于诊断固体胰腺病变的多式人工智能模型.
- 评估人工智能协助对内镜诊断性能的影响.
- 整合临床信息和EUS图像,以提高诊断准确度.
主要方法:
- 这是一项随机交叉试验,涉及4个中心的12名内镜医生.
- 使用回顾性数据 (628名患者) 的联合AI模型的开发和内部/外部验证.
- 在130名患者中对人工智能辅助诊断的前性评估.
主要成果:
- 联合AI模型实现了高诊断性能,AUC在内部和外部测试数据集中从0.924到0.996不等.
- 人工智能辅助显著提高了初学者内镜 (0.69至0.90) 的诊断准确度.
- 人工智能解释性功能减少了经验丰富的内镜学家的怀疑.
结论:
- 多式人工智能模型显示了促进实体胰腺病变的临床诊断的潜力.
- 观察到积极的人类-AI相互作用,表明临床效用.
- 建议进行进一步的随机临床试验以证实研究结果.
