人工智能和机器学习在眼睛瘤学,视网膜母细胞瘤 (ArMOR) 中

科学领域:

• 眼科医生 眼科 眼科
• 医疗人工智能 医疗人工智能
• 在瘤学瘤学.

背景情况:

• 眼内视网膜母细胞瘤 (iRB) 是一种影响儿童的恶性瘤.
• 准确的诊断和分期对于有效的治疗和改善结果至关重要.
• 视网母细胞瘤国际分类 (ICRB) 提供了一个标准化的分期系统.

研究的目的:

• 评估训练有素的人工智能和机器学习 (AI/ML) 模型对眼内视网膜母细胞瘤 (iRB) 的诊断准确度.
• 评估AI/ML模型在更大的患者队列中根据国际视网膜母细胞瘤分类 (ICRB) 将iRB病例分组的能力.

主要方法:

• 一项使用人工智能 (AI),机器学习 (ML) 和开放计算机视觉技术的回顾性观察研究.
• 在AI/ML模型的训练和测试中,用于检测视网膜母细胞瘤 (RB) 的1266张图像和用于ICRB分类的173只眼睛的数据集.

主要成果:

• AI/ML模型在RB检测方面取得了高准确度 (95%),在眼睛中检测RB方面达到85%.
• 对于ICRB分类,该模型在各种组中表现出强的表现,准确度从92%到98%不等.
• 具体的性能指标包括大多数分类的高灵敏度和特异性,表明强大的诊断能力.

结论:

• 扩大图像数据集和AI/ML模型的严格测试/重新测试对于识别和纠正模型缺陷至关重要.
• 这些发现表明,AI/ML模型可以成为提高iRB诊断和分期的准确性和效率的有价值工具.