一个3D和可解释的人工智能模型用于评估慢性中耳炎基于骨计算机断层扫描:模型开发,验证和临床应用
Binjun Chen1,2, Yike Li3, Yu Sun4
1ENT Institute and Department of Otorhinolaryngology, Eye & ENT Hospital, Fudan University, Shanghai, China.
Journal of medical Internet research
|August 8, 2024
概括
这项研究开发了一种可解释的AI系统,使用3D CNN来从骨CT扫描中检测慢性中耳炎 (COM) 和胆固醇瘤. 人工智能模型表现出高精度,性能优于二维模型,在诊断方面与人类专家竞争.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 骨CT扫描对于诊断慢性中耳炎至关重要,但解释需要专业知识.
- 现有的COMAIAI模型缺乏透明度,并且可能不完全利用CT扫描的诊断数据.
研究的目的:
- 开发一种可解释的AI系统,利用3D卷积神经网络 (CNN) 用于使用CT扫描进行自动化COM评估.
- 通过先进的人工智能提高COM评估的诊断准确性和透明度.
主要方法:
- 从COM.患者的骨CT扫描的回顾分析.
- 开发和培训用于识别病态耳朵和胆固醇瘤的3D CNN.
- 与2D模型和临床专家进行性能基准测试,并使用热图进行验证以获得可解释性.
主要成果:
- 3D CNN模型在检测COM (AUC 0.96) 和胆固醇瘤 (AUC 0.85) 中取得了很高的准确性,超过了2D模型和专家临床医生.
- 人工智能系统在独立数据集中表现出强大的概括性,并通过热图提供可解释的决策区域.
- 展望评估显示,人工智能系统以81.8%的准确度帮助进行手术前诊断,并在90.1%的病例中为临床决策做出贡献.
结论:
- 一个基于3D CNN的AI模型从骨CT扫描中有效检测COM和胆固醇瘤,超过了基线2D方法.
- 人工智能系统为人类专家提供了可比或优越的性能,具有增强的概括性和解释性.
- 这种人工智能系统显示出作为临床医生在现实世界COM评估和诊断中的宝贵工具的巨大潜力.
