通过基于内镜的放射学分析,推进鼻癌的精确诊断

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 鼻癌 (NPC) 具有高转移潜力和早期检测方面的挑战.
• 准确及时诊断NPC对于改善患者的治疗结果至关重要.
• 现有的诊断方法在检测NPC的早期或微妙迹象方面可能存在局限性.

研究的目的:

• 开发和验证一个深度学习模型,使用光学内镜成像来准确诊断鼻癌 (NPC).
• 评估模型在识别NPC的恶性病变的表现.
• 探索AI在提升早期NPC检测能力方面的潜力.

主要方法:

• 分析了来自1,108名患者的1,087张鼻内镜图像和309张视频 (2008年4月 - 2021年5月).
• 微调预训练的深度学习模型,使用随机梯度下降和数据增强.
• 将视频数据转换为图像,用于恶性瘤评分和使用AUC,精度和灵敏度的性能评估.

主要成果:

• 深度学习模型在多个数据集中实现了高诊断性能.
• 在福建癌症医院数据集中,AUC值达到0.981 (95% CI 0.965-0.996),在江西癌症医院数据集中达到0.937 (0.905-0.970).
• 该模型在NPC识别中表现出高准确度,灵敏度和特异性.

结论:

• 开发的深度学习模型有效地以高精度诊断鼻癌 (NPC).
• 人工智能模型对NPC的早期检测具有显著的前景,包括识别潜在病变.
• 这种方法为NPC诊断的临床实践提供了潜在的进步.