开发和验证一个深度学习算法,用于区分胆膜和 fundus 照片中的小黑色素瘤
Shiva Sabazade1,2, Marco A Lumia Michalski1,2, Jakub Bartoszek3
1Division of Eye and Vision, Department of Clinical Neuroscience, Karolinska Institutet, Stockholm, Sweden.
Ophthalmology science
|October 18, 2024
概括
一个新的深度学习算法准确地区分了小胸腔黑色素瘤和瘤,在灵敏度上超过了人类眼科医生. 这种人工智能工具对改善眼部护理中的早期黑色素瘤检测有前途.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 冠状黑色素瘤是一种罕见但可能危及视力的眼瘤.
- 区分小胆道黑色素瘤和良性瘤可能是具有挑战性的,影响及时治疗.
- 准确的区分对于适当的患者管理和预后至关重要.
研究的目的:
- 开发和验证一种深度学习算法,用于区分小胆管黑色素瘤和瘤.
- 将算法的性能与人类眼科医生的诊断能力进行比较.
主要方法:
- 一项回顾性多中心队列研究分析了688名患者的802张 fundus 照片.
- 在图像数据集上训练,验证和测试一个神经网络,以对病变进行分类.
- 使用曲线下的面积 (AUC) 评估性能,并与眼科医生的评估进行比较.
主要成果:
- 该算法实现了0.88的AUC,超过了既定的风险因素评估 (AUC0.77和0.67).
- 它在测试群体中表现出高灵敏度 (高达100%) 和特异性 (高达81%).
- 与住院和顾问眼科医生相比,该算法显示出更高的灵敏度.
结论:
- 一个深度学习算法可以有效地区分小胆管黑色素瘤和瘤.
- 人工智能工具与经验丰富的眼科医生的诊断性能相匹配或超过.
- 需要在临床环境中进一步验证,以评估其在现实世界中的实用性.
