深度学习算法的实用性和可靠性作为头部和部非黑色素瘤皮肤恶性瘤的诊断支持工具

科学领域:

• 皮肤病学和瘤学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 全球非黑色素瘤皮肤癌的增加,包括基底细胞癌 (BCC) 和皮肤状细胞癌 (cSCC).
• 需要先进的诊断工具来支持临床医生识别皮肤恶性瘤.
• 头部和部 (H&N) 外科诊所管理大量可疑的皮肤病变.

研究的目的:

• 评估一个CE认证的医疗器械,使用深度学习来诊断H&N诊所中的皮肤病变.
• 评估设备在分类BCC,cSCC和非恶性病变方面的性能.
• 确定AI作为皮肤非黑色素瘤皮肤癌的诊断支持工具的实用性.

主要方法:

• 未来的,纵向的,非随机的研究设计.
• 包括135名因可疑皮肤病变而被转诊到H&N诊所的患者.
• 基于深度学习的医疗器械用于病变分类的评估.

主要成果:

• 分析了135名患者 (92名男性,43名女性;中位数年龄为71岁).
• 确定了108种恶性病变 (54种BCC,54种cSCC) 和27种良性病变.
• 该设备在顶级5种诊断中识别恶性病变时达到>90%的准确性.

结论:

• 深度学习,特别是视觉转换器,有效地帮助诊断H&N皮肤非黑色素瘤皮肤癌.
• 该医疗器械显示出早期检测和治疗皮肤恶性瘤的潜力.
• 需要进一步的研究来探索AI在初级保健,皮肤病学和H&N手术中的作用.