下一代人工智能框架,用于全面评估和管理口腔白血病

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 口腔潜在恶性疾病 (OPMD) 携带着恶性转变的重大风险,特别是在上皮质发育不良 (OED) 时.
• 目前对OED的诊断方法具有侵入性,并且缺乏对风险分层和后续行动的强有力的决策支持.
• 对于准确评估OED和预测癌症风险的非侵入性工具有着至关重要的需求.

研究的目的:

• 开发和验证OMMT-PredNet,这是一个用于非侵入性OED识别的自动化多式联网深度学习框架.
• 为了使OPMD患者的时间依赖性癌症风险预测.
• 为优化患者管理和改善口腔癌查提供可靠的决策支持工具.

主要方法:

• 一个多式深度学习框架,OMMT-PredNet,是使用配对的高分辨率临床图像和医疗记录来开发的.
• 该模型在来自多个机构的649例基因病理学确认的白血病病例数据集上进行了训练和验证.
• 不需要手动注释感兴趣地区 (ROI),确保完全自动化的工作流程.

主要成果:

• 在癌症风险预测 (AUC:0.9592) 和OED识别 (AUC:0.9219) 中,OMMT-PredNet取得了高性能.
• 该模型在癌症风险预测和OED识别方面表现出卓越的特异性和精度.
• 外部验证证实了该模型的稳定性和临床适用性,并得到了校准和决策曲线分析的支持.

结论:

• OMMT-PredNet提供了一种非侵入性,自动化解决方案,用于识别OED和预测口腔潜在恶性疾病中的癌症风险.
• 多维深度学习方法有效地整合了临床图像和医疗数据,以提高诊断准确度.
• 该框架在改善口腔癌查方案和最终改善患者结果方面具有全球适用性.