评估先进的机器学习模型,用于汉森病的组织病理学诊断

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算病理学计算病理学
• 传染病研究传染病研究.

背景情况:

• 麻风病是由Mycobacterium leprae和Mycobacterium lepromatosis引起的,是热带地区持续存在的公共卫生问题.
• 机器学习 (ML) 提出了创新的策略,以提高这种复杂的传染病的诊断.

研究的目的:

• 评估各种机器学习模型在汉森病的组织病理学诊断中的有效性.
• 为了验证ML在从组织幻灯片图像中识别麻风的实用性.

主要方法:

• 一项观察性研究分析了55个麻风患者和51个对照患者的H&E染色皮肤组织幻灯片.
• 使用跨行业数据挖掘标准流程 (CRISP-DM) 处理微照片,用于ML模型开发.
• 评估了五种ML模型,重点是数据规范化和性能指标,如准确性,灵敏性和特异性.

主要成果:

• 人工神经网络 (ANN) 模型实现了70%的准确性,74%的灵敏性和65%的特异性.
• 该ANN模型的接收器操作特征曲线显示曲线下的面积为0.71.1.
• 其他模型,如决策树和随机森林,具有类似的准确性,但灵敏度较低,增加了虚假负面的风险.

结论:

• 人工神经网络 (ANN) 模型显示了作为麻风检测工具的潜力.
• 需要进行进一步的研究,以提高模型适应性,以适应不同临床环境和患者护理整合.