相关实验视频
Updated: May 13, 2025
08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
3.3K
使用精选的ANA IIF图像对人工智能应用程序和商业系统性能进行比较
Mehmet Akif Durmuş1, Selda Kömeç2
1Medical Microbiology Laboratory, Cam and Sakura City Hospital, Istanbul, Türkiye. drmehmetakifdurmus@gmail.com.
Immunologic research
|April 14, 2025
概括
使用微软Azure的人工智能 (AI) 工具显示出对抗核抗体 (ANA) 间接免疫光 (IIF) 图像的分类有希望,有助于在资源有限的实验室中诊断自身免疫疾病.
科学领域:
- 免疫学 免疫学 免疫学
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 通过间接免疫光 (IIF) 准确的抗核抗体 (ANA) 分类对于自身免疫性疾病的诊断至关重要.
- 许多实验室的资源有限使得人们无法使用自动化ANA IIF分析系统.
- 人工智能 (AI) 为可访问的诊断支持提供了潜在的解决方案.
研究的目的:
- 为了评估AI应用程序在分类ANA IIF图像中的性能.
- 将AI工具的准确性与已建立的EuroPattern系统进行比较.
- 评估AI对资源有限的实验室的实用性.
主要方法:
- 一个人工智能模型使用微软Azure自定义视觉在9个班级的648个ANA IIF图像上受过训练.
- 人工智能模型在96个不同的ANA IIF图像上进行了测试,不包括混合图案.
- 通过将AI分类与专家评估和EuroPattern结果进行比较来评估性能.
主要成果:
- 欧洲模式和基于Azure的AI都实现了100%的敏感性,特异性和正/负歧视的准确性.
- 欧洲模式显示了高于AI模型 (ICC=0.948) 的类内相关系数 (ICC=0.979).
- 人工智能模型在识别细胞质网状图案方面表现出色,而EuroPattern在均,斑点,中间体和密集的细斑点图案方面表现出色.
结论:
- 基于人工智能的图像分析工具,如Azure应用程序,可以支持资源有限的设置中的诊断.
- 人工智能工具显示出潜在的潜力,作为在ANA IIF解释中实验室专家的宝贵帮助.
- 进一步验证更大的数据集和现实世界的临床样本是必要的,以确认疗效.
