深度学习算法用于检测可疑的色素皮肤病变在初级保健环境:一个系统的审查和元分析
Ahmed R Abdalla1,2, Ahmed W Hageen3,2, Haneen H Saleh4,2
1Vascular Surgery, Faculty of Medicine, Mansoura University, Mansoura, EGY.
Cureus
|August 22, 2024
概括
深度学习 (DL) 算法在检测可疑皮肤病变方面表现出高准确性,改善了初级保健中的早期皮肤癌诊断. 需要进一步的研究来证实这些有希望的结果.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期发现可疑的有色素皮肤病变对于改善皮肤癌的结果至关重要.
- 目前由初级保健医生 (PCP) 进行的临床诊断的准确性不足,导致效率低下.
- 深度学习 (DL) 算法为自动化皮肤病变检测和分类提供了潜力.
研究的目的:
- 系统地审查和元分析DL算法的诊断性能,以检测可疑的有色素皮肤病变.
- 专门在初级保健机构中评估DL算法.
主要方法:
- 在主要的电子数据库 (PubMed,Scopus,IEEE Xplore,CENTRAL,Web of Science) 进行了全面的文献搜索.
- 提取的数据包括研究特征,样本大小,算法类型,灵敏度,特异性,DOR,PLR,NLR和ROC分析.
- 在最终的元分析中包括了三项研究.
主要成果:
- DL算法在检测可疑的色素皮肤病变方面表现出高灵敏度 (90%) 和特异性 (85%).
- 在灵敏度 (I2=80.3%) 和特异性 (I2=98.8%) 中观察到显著的异质性.
- 强大的诊断性能通过DOR (26.39),PLR (4.30),NLR (0.16) 和AUC (0.95) 表示.
结论:
- DL算法显示出显著的潜力,以提高在初级保健中检测可疑的色素皮肤病变的检测.
- 这项研究强调了DL在早期皮肤癌检测方面的有希望的表现.
- 需要进一步的研究来验证这些发现,并探索临床整合.
