口腔病理学交互式图像搜索系统的临床前评估

科学领域:

• 口腔病理学 口腔病理学
• 数字病理学数字病理学
• 人工智能在医学中的应用

背景情况:

• 诊断罕见的口腔瘤是具有挑战性的,因为有限的专家可用性和疾病的长尾分布.
• 病理学家,特别是那些在单独执业的机构中工作的病理学家,可能缺乏接触不常见的口腔瘤呈现,需要外部诊断参考.
• 基于内容的图像检索 (CBIR) 系统提供了通过提供类似的组织图像来帮助诊断的潜力,但它们的交互式临床实用性仍未得到评估.

研究的目的:

• 评估基于贴片的交互式CBIR系统 (Luigi-Oral) 在协助病理学家诊断口腔瘤方面的有效性.
• 评估路易吉-奥拉尔对不同病理学家经验水平和瘤稀有性的诊断准确性的影响.

主要方法:

• 通过使用基于深度学习的CBIR系统Luigi-Oral进行了远程评估,该系统具有来自603个口腔瘤病例 (85个类别) 的54,676张图像补丁数据库.
• 15名通用病理学家和13名口腔病理学家评估了使用该系统的两个机构的10个回顾性测试病例.
• 在顶级-1和顶级-3差异诊断中,对照了Luigi-Oral的诊断准确性,在Luigi-Oral的帮助下和没有帮助下进行了比较.

主要成果:

• 路易吉-奥拉尔的使用显著提高了整体诊断准确度:12.05%在top-1 (P=0.002) 和21.61%在top-3 (P<0.001).
• 数据库中代表性不足的瘤类别的改善更为明显,使新手和经验丰富的病理学家受益.
• 错误诊断的原因包括不适当的查询,罕见的形态类型,缺乏临床信息和系统检索限制.

结论:

• 这项研究证明了Luigi-Oral的临床可用性,Luigi-Oral是用于口腔瘤诊断的交互式CBIR系统.
• 该系统有效地协助病理学家,可能减少工作量,并提供可访问的专家级组织病理学诊断.
• 需要进一步改进查询输入,罕见病例的检索性能,以及完善诊断支持的临床信息整合.