利用公开可访问的自动机器学习平台,使瘤手术前的诊断成为可能

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 鼻反向乳头瘤 (IP) 可以转化为状细胞癌 (IP-SCC),需要不同的手术方法.
• 术前活检采样错误可能使IP的诊断和手术规划复杂化.
• 人工智能 (AI) 为区分IP与IP-SCC提供了一个潜在的解决方案.

研究的目的:

• 开发和评估一个AI模型,使用CT成像来区分IP和IP-SCC.
• 评估AI在术前识别恶性转变中的准确性.

主要方法:

• 在19个机构的958名患者的CT图像上训练了一种深度学习图像分类模型.
• 在模型培训和验证中使用了谷歌云Vertex AI平台.
• 该模型的性能在一个持久测试数据集上使用AUC,灵敏度,特异性,准确性和F1得分等指标进行了评估.

主要成果:

• 人工智能模型在41099张个人CT图像上进行了训练和验证.
• 该模型在识别IP-SCC时实现了95.8%的灵敏度和99.7%的特异性.
• 对于深度学习模型,获得了99.1%的整体准确性.

结论:

• 一种深度自动化机器学习模型可以使用手术前CT成像准确识别IP的恶性转变.
• 使用公开可用的工具开发的AI模型在区分IP与IP-SCC方面表现出卓越的准确性.
• 这种人工智能方法可以帮助在手术前诊断和手术规划中治疗鼻瘤.