人工智能在导管癌的组织学诊断中的应用 in situ

科学领域:

• 病理学 病理学 病理学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在乳腺癌管理中,管道癌 in situ (DCIS) 诊断至关重要.
• 精确有效地诊断DCIS对于减少病理学家工作量至关重要.
• 人工智能 (AI) 提供了改善病学诊断准确性的潜力.

研究的目的:

• 为了评估AI在识别DCIS的诊断准确性.
• 评估不同机器学习模型的性能,包括卷积神经网络 (CNN) 和支持向量机器 (SVM).
• 确定AI作为DCIS检测中的诊断辅助工具的影响.

主要方法:

• 按照PRISMA指南进行了系统审查.
• 在四个主要的数据库 (Embase,PubMed,Scopus,Web of Science) 进行了搜索,寻找截至2022年12月的相关研究.
• 包括23项研究,提取诊断参数,如准确性,敏感性和特异性.

主要成果:

• 人工智能辅助的组织病理学分析显示高精度 (83.78%),灵敏度 (83.88%) 和特异性 (85.49%).
• 卷积神经网络 (CNN) 是最常用的AI模型,显示的性能略高于支持向量机 (SVM).
• 作为诊断辅助工具的AI集成显著提高了DCIS诊断的准确性和效率.

结论:

• 人工智能证明了DCIS的高诊断准确性,与人类病理学家相比.
• 人工智能工具可以有效地帮助病理学家,潜在地减少他们的工作量并改善患者的治疗结果.
• 对人工智能在组织病理学中的应用进行进一步的研究可以完善乳腺癌的诊断过程.