使用人工智能的前性多中心研究,以改善皮肤镜黑色素瘤诊断在患者护理

科学领域:

• 皮肤病学 皮肤病学
• 医疗人工智能 医疗人工智能
• 在瘤学瘤学.

背景情况:

• 黑色素瘤是一种流行且可能致命的皮肤癌,从早期检测中获益,改善了患者的治疗结果.
• 人工智能 (AI) 在回顾性研究中显示出增强黑色素瘤检测的前景.
• 验证AI在各种临床环境中的通用性的前性研究是有限的.

研究的目的:

• 为了前性地评估用于黑色素瘤检测的人工智能算法的诊断准确性和概括性.
• 为了比较AI的表现与皮肤科医生使用异质的,外部测试集.

主要方法:

• 评估了一种已建立的开源集合算法"All Data are Ext" (ADAE).
• 人工智能在来自八家医院的前性收集,异质数据集上进行了测试,包括罕见的黑色素瘤亚型和特殊的解剖部位.
• 实时测试时间增强 (R-TTA) 用于增强AI的概括能力.

主要成果:

• 人工智能实现了比皮肤科医生 (0.781) 更高的平衡精度 (0.798).
• 与皮肤科医生相比,人工智能显示了显著更高的灵敏度 (0.921) 但较低的特异性 (0.673).
• 人工智能的性能优势在多样化的黑色素瘤可疑病变数据集上是显著的.

结论:

• 人工智能在异质数据集上检测黑色素瘤方面显示出显著的性能优势.
• 人工智能有可能帮助皮肤科医生,特别是在诊断具有挑战性的黑色素瘤病例时.
• 在各种临床场景中进一步验证AI工具是有必要的.