在口腔细胞学中人工智能的性能,用于区分定义不良的瘤细胞和反应性非典型的瘤细胞
Kaori Oya1, Kazuma Kokomoto2, Mami Okamoto1
1Department of Clinical Laboratory, The University of Osaka Dental Hospital, 1-8 Yamadaoka, Suita, Osaka, Japan.
Journal of oral biology and craniofacial research
|October 28, 2025
概括
口腔细胞学中的人工智能 (AI) 面临着与非典型细胞的挑战. 在正常和癌细胞上训练人工智能,同时排除可疑的细胞,提高检测准确度,减少识别口腔状细胞癌的错误阳性.
科学领域:
- 口腔细胞学是指口腔细胞学.
- 人工智能 (AI) 是一种人工智能.
- 机器学习在病理学中
背景情况:
- 有限的研究存在于口腔细胞学AI应用.
- 口腔状细胞癌和非典型的非癌细胞由于细微的形态差异而存在诊断挑战.
- 为口腔细胞学开发有效的AI工具受到非癌性异型细胞与不确定的瘤细胞一起存在的阻碍.
研究的目的:
- 研究异型口腔细胞对细胞学AI性能的影响.
- 评估不同的AI模型培训策略,以改进口腔癌检测.
主要方法:
- 利用29个非新发性病变和17个口腔状细胞癌病例进行监督学习.
- 将细胞分为正常,癌症,色可疑和绿色可疑类别.
- 使用VoTT v2.2.0进行注释和YOLOv7作为人工智能培训的对象检测模型.
主要成果:
- 被训练来将可疑细胞归类为癌症的AI模型显示出高检测率,但也增加了假阳性.
- 从培训中排除可疑细胞信息可以改善真正癌症病例的识别,假阳性病例更少.
- 在正常和癌细胞上训练的人工智能模型展示了识别可疑细胞中微妙的癌症特征的能力.
结论:
- 从形态上来说,很难区分不明确的瘤细胞和非典型的非新生细胞.
- 将可疑细胞归类为癌细胞导致高错误阳性率.
- 在不同的正常和癌细胞类别上训练的AI可以在模两可的细胞中揭示以前未被发现的癌症特征.
