交互式可解释的深度学习模型用于在加多酸增强的MRI中诊断肝细胞癌:一个回顾性,多中心的诊断研究
Mingkai Li1, Zhi Zhang2, Zebin Chen3
1From the Department of Gastroenterology, The Third Affiliated Hospital of Sun Yat-sen University, No. 600 Tianhe Rd, Guangzhou 510000, China.
Radiology. Imaging cancer
|May 30, 2025
概括
使用MRI的人工智能 (AI) 模型准确诊断了肝细胞癌 (HCC),提高了放射科医生识别肝病变的准确性. 这种深度学习工具可以提高HCC检测的诊断性能.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 瘤学 诊断 诊断 瘤学
背景情况:
- 肝细胞癌 (HCC) 诊断依赖于先进的成像技术.
- 用加多酸增强的MRI提供了详细的肝损伤特征.
- 提高HCC检测的诊断准确性和效率仍然是一个临床需求.
研究的目的:
- 开发和验证人工智能 (AI) 模型用于使用MRI诊断HCC.
- 评估AI模型在分类焦点肝病变 (FLLs) 的性能.
- 评估人工智能协助对放射科医生的诊断性能的影响.
主要方法:
- 从FLL患者的 gadoxetic 酸增强的MRI扫描的回顾性分析.
- 开发基于深度学习的AI模型用于病变分类 (HCC与非HCC).
- 对AI模型的外部验证以及对放射科医生LI-RADS分类的影响的评估.
主要成果:
- 人工智能模型实现了高诊断性能,在外部测试集中,ROC曲线下的面积为0.97.
- 与LI-RADS第5类 (74.8%) 相比,AI模型在HCC诊断方面表现出更高的灵敏度 (91.6%).
- 人工智能辅助显著提高了放射科医生的灵敏度和准确性,在分类LR-5病变.
结论:
- 开发的AI模型根据MRI发现准确地诊断HCC.
- 人工智能辅助阅读提高了放射科医生在识别HCC的诊断性能.
- 这种人工智能工具显示出在肝损伤评估中增强临床决策的潜力.


