基于CT的人工智能系统补充了深度学习模型和肝纤维化阶段化放射科医生
Shuang Zheng1, Wenao Ma2, Lin Mu1
1Department of Radiology, The First Hospital of Jilin University, Changchun, China.
iScience
|April 18, 2025
概括
一个新的深度学习模型 (Model-C) 准确地非侵入性地分阶段肝纤维化. 整合人工智能和放射科医生的补充系统 (DRCDS) 实现了高诊断准确性,提高了个人表现.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肝病学 肝病学是一种肝病学.
背景情况:
- 肝纤维化阶段测定对于预测患者发病率和死亡率至关重要.
- 对于肝纤维化病阶段的非侵入性方法有很高的需求.
- 目前的方法在准确性和通用性方面面临挑战.
研究的目的:
- 开发一种自动化的深度学习 (DL) 模型,用于非侵入性肝纤维化病阶段.
- 创建一个深度学习-放射科医生互补决策系统 (DRCDS),以提高诊断准确度.
- 在多重分类任务中解决模型概括和人机互补问题.
主要方法:
- 开发了一个基于DL的自动化细分和分类模型 (Model-C).
- 员工测试时间的调整,以减轻数据分布的转移.
- 建立了一个DRCDS,使用AI-放射科医生合作的决策模型.
主要成果:
- 模型C表现出高性能 (AUC为0.89-0.92),表现优于仅肝脏或仅脏的模型.
- 测试时间的调整改善了Model-C对外部数据集的Obuchowski指数.
- DRCDS略高于模型-C和高级放射科医生,模型-C诊断的采用率很高 (73.7%-92.0%).
结论:
- DRCDS为诊断肝纤维化提供了一个非常准确的方法.
- 该研究为医疗AI的模型概括和人机互补性提供了有效的解决方案.
- 这项工作推进了非侵入性肝纤维化分期和人工智能辅助的临床决策.
