人类和深度学习预测外围肺癌使用1.3毫米视频内镜探头

科学领域:

• 肺部病理学 肺部病理学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 小外围肺结节 (PPNs) 带来了诊断上的挑战.
• 虹膜镜是一种1.3毫米视频内镜探针,可通过放射探针内超声波 (r-EBUS) 导管直接可视化PPNs.
• 评估PPN的恶性瘤风险对于患者管理至关重要.

研究的目的:

• 评估具有不同经验水平的医生在解释PPN的虹膜镜图像方面的诊断性能.
• 评估人工智能 (AI) 深度学习 (DL) 模型在预测使用Iriscope可视化的PPN恶性病的能力.
• 为了比较人类解释器和人工智能的诊断准确度与PNS的最终诊断.

主要方法:

• 对视频录制的虹膜镜序列的分析,来自接受PPN (<20毫米) 支气管镜检查的患者.
• 由高级和初级医生独立解释图像,将病变分类为瘤或非瘤.
• 在虹膜镜图像上训练和测试DL模型,以预测恶性瘤,将其性能与人类解释器进行比较.

主要成果:

• 虹膜镜使所有61名被纳入患者的PPNs能够直接可视化.
• 高级医生在识别恶性结节方面取得了85.4%的平衡准确率,超过了初级医生 (66.7%).
• DL模型实现了71.5%的平衡精度,超过了初级医生,但没有超过高级医生.

结论:

• 虹膜镜是管理PPN的宝贵工具,尤其是经验丰富的支气管镜师.
• 人工智能,特别是对虹膜镜图像应用的DL模型,有可能增强缺乏经验的医生的诊断能力.
• 进一步的研究可能会探索将人工智能集成到外围内镜工作流程中,以改善PPN诊断.