一个基于概念的可解释模型,用于使用多式联络数据诊断胆管瘤
Nature communications
|April 13, 2025
概括
这项研究开发了一种可解释的AI模型,用于诊断亚洲患者罕见的皮膜黑色素瘤. 人工智能模型实现了高精度,与专家临床医生匹配,并改善了经验较少的医生的诊断.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 诊断罕见疾病,如皮膜黑色素瘤是具有挑战性的,因为有限的数据和需要专门的专业知识.
- 机器学习 (AI) 具有潜力,但在罕见疾病数据稀缺性和模型可解释性方面面临障碍.
研究的目的:
- 开发和评估一种多式,基于概念的可解释AI模型,用于区分阴膜黑色素瘤与血管瘤和转移性癌症.
- 评估AI模型的诊断性能与高级眼科医生和不那么有经验的临床医生相比.
主要方法:
- 收集了亚洲患者的综合数据集,其中包括胆管瘤成像和放射学报告 (超过750名患者,2013-2019年).
- 开发了一种多式可解释的人工智能模型,整合了来自放射学报告的领域专家见解.
主要成果:
- 人工智能模型在区分三种类型的胆道瘤方面获得了0.91的F1得分.
- 该模型的表现与高级眼科医生的表现相匹配.
- 在经验较少的临床医生中,诊断准确度提高了42%,与他们无助的表现相比.
结论:
- 可解释的人工智能具有显著的潜力,可以在临床实践中提高罕见疾病的诊断.
- 这种人工智能方法可以支持临床医生,特别是那些经验较少的临床医生,在诊断诸如皮膜黑色素瘤等复杂疾病时.
