人工智能的诊断准确性与瘤学家解释在异常宫细胞学的数字宫图中

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:

• 数字宫图是评估异常宫细胞学的关键工具.
• 人工智能 (AI) 的整合有可能提高宫癌查的诊断准确性.
• 将AI性能与专家妇科瘤学家进行比较对于验证AI的临床实用性至关重要.

研究的目的:

• 为了比较人工智能系统的诊断性能与使用数字宫造影的妇科瘤学家.
• 评估各种等级的宫病变的敏感性,特异性,预测值和诊断准确性.
• 使用科恩的kappa.量化AI和专家解释之间的协议.

主要方法:

• 对449名细胞质异常妇女的数字宫图像的回顾性分析 (2019年1月 - 2023年12月).
• 由妇科瘤学家和人工智能系统独立解释图像.
• 性能指标包括灵敏度,特异性,正预测值 (PPV),负预测值 (NPV) 和诊断准确性,这些指标用于低度皮内皮损伤 (LSIL) 和高度皮内皮损伤 (HSIL) /癌症.

主要成果:

• 在妇科瘤学家和AI之间发现了适度的协议 (科恩的卡帕=0.511).
• 对于HSILs/癌症,瘤学家显示出更高的灵敏度 (62.8%与47.8%) 和诊断准确度 (69.6%与61.0%),具有相似的特异性.
• 对于LSILs/HSILs/癌症,瘤学家获得了更高的灵敏度 (98.2% vs. 93.3%) 和NPV (87.2% vs. 64.8%),具有可比的PPV和略高的诊断准确度 (86.9% vs. 82.3%).

结论:

• 人工智能在解释宫病变的数字宫图学方面与妇科瘤学家达成适度一致.
• 与AI相比,妇科瘤学家的诊断准确度和NPV更高,特别是在LSIL/HSIL/癌症方面.
• 人工智能作为一种有价值的补充工具,但需要进一步改进人工智能算法,以匹配临床性能.