深度学习辅助系统提高了宫细胞病理诊断的实际效果:阅读模式的比较研究
Zichen Ye1, Peiyu Zhang2, Ronggan Wei3
1School of Population Medicine and Public Health, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, 100730, China.
概括
深度学习 (DL) 阅读模式显著提高了细胞病理学家的宫癌查准确性和效率. 同时模式提供最佳效率,而第二和分类模式分别在灵敏度和特异性方面表现出色.
科学领域:
- 医学成像
- 计算病理学
- 医学的人工智能
背景情况:
- 深度学习 (DL) 在改善细胞病理诊断方面具有前景.
- 关于不同DL辅助阅读模式的比较有效性和用户体验的数据有限.
研究的目的:
- 在宫细胞病理学中评估四种不同的DL辅助阅读模式 (无辅助,并发,二次,分类).
- 评估它们对诊断性能,效率和细胞病理学家偏好的影响.
主要方法:
- 一个随机,受控的四方交叉研究,涉及108名细胞病理学家阅读1620个宫片.
- 使用四种阅读模式:无助,并发,二次和分类.
- 包括关于采用,信任和偏好的问卷调查.
主要成果:
- 与无辅助阅读相比,所有DL辅助模式都提高了灵敏度和特异性.
- 同步模式显著减少了阅读时间 (53秒/幻灯片),而分类模式也显示了效率的提高 (130秒/幻灯片).
- 超过90%的细胞病理学家认为DL模式是有用的;并发模式是首选的,但分类模式得分最高.
结论:
- 第二种模式提高了灵敏度,分类模式提高了特异性,并发模式最大化了效率.
- 这些发现为在细胞病理学实践中选择最佳DL辅助模式提供了指导.
- DL整合可以提高宫查的诊断信心和性能.
