使用多解析度病理学模型,人工智能驱动的口腔状细胞癌的进展预测

科学领域:

• 口腔病理学 口腔病理学
• 数字病理学数字病理学
• 医学中的人工智能

背景情况:

• 潜在的恶性口腔病变构成状细胞癌 (SCC) 的风险.
• 目前的分级系统 (世卫组织发育不良症) 是主观的,在风险分层方面缺乏准确性.
• 区分低风险和高风险的口腔病变仍然是一个临床挑战.

研究的目的:

• 开发和验证一种深度学习模型,用于预测口腔病变的恶性转变.
• 评估模型的性能与传统方法和病原体特征相比.
• 探索AI在改善口腔潜在恶性疾病风险分层方面的潜力.

主要方法:

• 开发一个多分辨率视觉转换器 (ViT) 深度学习模型.
• 在221张口腔病变的数字化全幻灯片图像上训练模型 (111个进展者,110个非进展者).
• 与基于传统卷积神经网络 (CNN) 的模型进行比较分析.

主要成果:

• ViT模型实现了80.0%的精度,77.3%的F1得分和0.798的AUROC.
• 人工智能预测的进展与恶性瘤的关键组织病理标志物相关 (例如,异常的角质化,亡增加,核变化).
• ViT模型的表现优于传统的基于CNN的方法.

结论:

• 开发的深度学习模型显示了预测口腔病变恶性转变的重大前景.
• 人工智能驱动的分析可以作为客观风险分层的辅助工具.
• 在未来的队列中进行进一步的验证是有必要的,以将这项技术纳入口腔潜在恶性疾病的临床决策.