在低资源环境中使用初步基于人工智能的喉癌查框架:开发和验证研究
Shao Wei Sean Lam1, Min Hun Lee2, Michael Dorosan1
1Health Services Research Centre, Singapore Health Services Pte Ltd, Ngee Ann Kongsi Discovery Tower Level 6, 20 College Road, Singapore, 169856, Singapore, 65 65767140.
JMIR formative research
|October 7, 2025
概括
人工智能查工具可以帮助在资源不足的地区对喉癌患者进行分拣. 这种人工智能框架有效地从灵活的鼻镜视频中识别出高质量的图像,以更快地进行诊断.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 喉癌的早期诊断对于患者的生存和生活质量至关重要.
- 在资源有限的环境中,对专家的有限访问阻碍了使用灵活鼻镜 (FNS) 视频及时诊断.
- 由于缺乏FNS视频的专家解释,因此无法准确地对有风险的患者进行分组.
研究的目的:
- 引入基于人工智能的初步查框架,用于在低资源环境中对风险患者进行分类.
- 解决分析高维FNS视频的挑战,包括图像选择,解剖学里程碑识别和患者分类.
- 开发一个能够根据FNS视频将患者分类为推等级的系统.
主要方法:
- 开发了一个图像质量模型 (IQM) 来从FNS视频中选择高质量的内镜图像.
- 使用一种疾病分类模型 (DCM),采用高效的卷积神经网络 (CNN) 模块.
- 通过使用来自美国学术三级护理中心的132名患者的现实数据集验证了这一方法.
主要成果:
- 在高质量的选中,IQM获得了0.895的AUROC和0.878的AUPRC.
- 当使用IQM选择的时,DCM的性能提高了38% (AUROC) 和8% (AUPRC).
- 一个高效的CNN模型表明,与ResNet50相比,推断时间快2.5倍,需要50才能获得最佳结果.
结论:
- 证明了基于人工智能的查框架的可行性,以在低资源环境中高效地对患者进行分拣.
- 人工智能方法为改善服务不足地区的医疗保健可及性和患者结果提供了巨大的潜力.
- 这项研究为开发完全验证的喉癌查系统提供了基础证据.
