相关实验视频
Updated: Jan 11, 2026
10:02
High-frequency Ultrasound Imaging of Mouse Cervical Lymph Nodes
Published on: July 25, 2015
19.6K
在内镜超声波中用于淋巴结检测和恶性病症预测的人工智能:一项多中心研究
Belén Agudo Castillo1, Miguel Mascarenhas Saraiva2, António Miguel Martins Pinto da Costa1
1Hospital Universitario Puerta de Hierro Majadahonda, 28222 Madrid, Spain.
Cancers
|November 13, 2025
概括
一个人工智能 (AI) 系统从内镜超声波 (EUS) 图像中准确预测了淋巴结 (LN) 恶性病变,显示出高灵敏度和特异性. 这种人工智能工具显示出改善癌症分期和患者护理的前景.
科学领域:
- 胃肠病学和肝病学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 内镜超声波 (EUS) 对于淋巴结 (LN) 在癌症分期的表征至关重要.
- 目前用于恶性瘤预测的EUS标准不准确,组织学也有局限性.
- 开发了一种新型的人工智能 (AI) 系统,以从EUS图像中增强LN恶性瘤预测.
研究的目的:
- 用EUS图像评估基于AI的新型系统在预测淋巴结恶性瘤方面的有效性.
- 评估深度学习模型在多中心环境中对淋巴结评估的性能.
主要方法:
- 一项多中心研究涉及59,992张来自82项手术的EUS图像.
- 使用YOLO架构进行检测和分类的卷积神经网络 (CNN) 的开发.
- 通过细胞学,活检,手术样本或至少六个月的随访确认的最终诊断.
主要成果:
- 人工智能模型实现了高诊断性能:98.8%的灵敏度,99.0%的特异性和98.3%的整体准确性.
- 恶性瘤的负和正预测值分别为98.8%和99.0%.
- 人工智能系统展示了对恶性LNs的优秀检测和分类能力.
结论:
- 这项研究是第一个通过EUS成像评估LN评估的深度学习.
- 由人工智能驱动的成像模型显示出作为改进LN评估的工具的巨大潜力.
- 这项技术可以支持瘤学中更为定制和高效的患者护理.
