一个基于深度学习的计算机辅助诊断系统,通过透视检查检测非典型的子宫内膜增生和子宫内膜癌
Wenwen Wang1, Yuyang Cai2, Zhe Guo3,4
1Department of Obstetrics and Gynecology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
iScience
|July 24, 2025
概括
一个新的AI系统,ECCADx,使用深度学习来准确地诊断子宫内膜癌 (EC) 和异常子宫内膜增生 (AEH) 从宫镜图像,改善患者的治疗结果.
科学领域:
- 妇科瘤学 妇科瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 精确诊断子宫内膜癌 (EC) 和非典型子宫内膜增生 (AEH) 对于有效治疗至关重要.
- 传统的阴道镜检查可能会带来诊断准确性的挑战,可能导致延迟或不正确的管理.
- 需要先进的计算方法来提高妇科病理学的诊断精度.
研究的目的:
- 推出ECCADx,这是一款基于深度学习的计算机辅助诊断系统,用于对AEH和EC进行歇斯底里的鉴定.
- 评估ECCADx的诊断性能,特别是其整合用于特征提取的对比学习.
- 为了比较ECCADx与经验丰富的内镜师在区分AEH和EC方面的准确性.
主要方法:
- 开发ECCADx,一个深度学习系统,采用对比学习来进行各种医学图像的预训练.
- 培训ECCADx在一个大型数据集上,包括来自1,204名患者的49,646张透镜图像.
- 严格的多中心验证使用两个独立的测试数据集,包括来自190名患者的6228张图像.
主要成果:
- 在内部数据集上,ECCADx表现出高的诊断准确性,达到95.2%的灵敏度和91.3%的特异性.
- 在外部验证数据集上,ECCADx报告了92.1%的灵敏度和100%的特异性.
- 该系统的性能与经验丰富的人体内镜师的性能相当或高于.
结论:
- ECCADx代表了一种可靠和准确的工具,用于对AEH和EC进行歇斯底里诊断.
- 人工智能系统显示,有可能显著降低子宫内膜病理中的误诊率.
- 实施ECCADx可以改善患者管理和改善妇科护理的临床结果.
