人工智能和大镜:自动识别阴道状细胞癌前体的前体

科学领域:

• 妇科瘤学 妇科瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 人类乳头瘤病毒 (HPV) 是已知的宫癌的原因之一,也导致阴道癌.
• 结肠镜用于检查女性生殖道,但其诊断准确性对于阴道病变是不理想的.
• 现有的AI模型没有专门区分阴道中低度 (LSILs) 和高度 (HSILs) 状内皮病变.

研究的目的:

• 开发和验证一种人工智能 (AI) 模型,用于区分阴道中与HPV相关的失生性病变.
• 为了提高诊断准确性和成本效益的阴道疾病镜.

主要方法:

• 一个卷积神经网络 (CNN) 使用来自71个阴道透视手术的57,250张静止图像被开发出来.
• 数据集被分为90%用于培训/验证 (包括5倍交叉验证) 和10%用于测试.
• 用灵敏度,特异性,精度和接收器操作曲线 (AUROC) 下的面积来评估模型性能.

主要成果:

• 在培训/验证过程中,CNN在HSIL/LSIL区分方面获得了98.7%的平均灵敏度,99.1%的特异性和98.9%的准确性.
• 平均AUROC是0.990 ± 0.004.4 的时间.
• 在测试阶段,该模型表现出99.6%的灵敏度和99.7%的特异性和准确性.

结论:

• 这是全球首个开发的AI模型,用于在阴道区域区分HSIL和LSIL.
• 人工智能模型对阴道损伤评估表现出高强大的性能指标.
• 这一进步使得人工智能支持的全女性生殖道的结肠镜评估成为可能,大大改善了妇女的医疗保健.