在XAI和临床数据整合的IBD患者中提高爱斯坦-巴尔病毒检测
Zheng Wang1, Yiqian Chen2, Yi Wu1
1School of Computer Science, Hunan First Normal University, Changsha, 410205, China.
Computers in biology and medicine
|November 23, 2024
概括
一个人工智能模型在内镜图像中准确检测到爱斯坦-巴尔病毒 (EBV),改善了胃肠道疾病的诊断. 这种可解释的AI系统集成了临床数据,以提高确定EBV感染的准确性.
科学领域:
- 胃肠病学和肝病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 越来越多的证据将爱斯坦-巴尔病毒 (EBV) 与胃肠道癌联系起来,特别是在免疫受损的个体中.
- 传统的内镜和标准EBV诊断方法由于侵入性和成本而面临局限性.
- 在临床环境中需要准确,可访问的EBV检测.
研究的目的:
- 开发和验证一个可解释的AI (XAI) 模型,用于检测内镜图像中的EBV.
- 为了提高EBV感染的诊断准确性,在患有炎症性肠病 (IBD) 的患者.
- 将临床数据与人工智能分析整合起来,以提高EBV诊断.
主要方法:
- 在287名IBD患者的1598张内镜图像上训练了一个XAI模型.
- 数据增强和转移学习技术用于模型优化.
- 用ROC曲线分析,Grad-CAM和临床数据集成来评估模型性能.
主要成果:
- 在EBV检测中,XAI模型实现了73.83%的准确性和73.70%的F1得分,超过了其他架构.
- 该模型表现出良好的性能,AUC为0.74,可以区分EBV阳性和EBV阴性图像.
- 突出地图突出了病变检测的关键区域,分析显示了EBV和临床参数 (如年龄和胆红素水平) 之间的关联,UC的发病率高于CD.
结论:
- 一个XAI辅助系统已成功开发,用于在内镜图像中准确检测EBV.
- 临床数据的整合显著改善了EBV感染的诊断.
- 这项研究为IBD患者的非侵入性EBV诊断提供了一个有希望的工具.
