胃瘤检测在对比增强CT与深度学习

科学领域:

• 医学成像和人工智能 医学成像和人工智能
• 瘤学和胃肠道学
• 放射学和诊断成像 放射学和诊断成像

背景情况:

• 胃瘤是一个重大的健康挑战,需要准确和高效的诊断工具.
• 目前用于胃瘤的诊断方法可能是劳动密集型的,并可能受益于人工智能驱动的增强.

研究的目的:

• 开发和验证用人工智能 (GANDA) 系统检测胃瘤.
• 评估GANDA的自动检测,诊断和细分胃瘤的能力,使用增强对比度的CT扫描.

主要方法:

• 一项使用联合细分和分类3D深度学习模型 (GANDA) 的回顾性研究.
• 模型开发涉及来自1683名患者的CT数据;验证是在内部,外部和现实世界测试队列上进行的.
• 性能与经过董事会认证的放射科医生进行了评估,使用接收器操作特征分析和Dice系数进行细分.

主要成果:

• 在所有测试队列中,GANDA在瘤检测方面实现了高灵敏度和特异性 (例如,内部队列的灵敏度为87.3%,特异性为87.2%).
• 该模型的诊断准确性明显高于放射科医生 (85.3%与74.2%,P = .002).
• 在内部队列中,胃癌的平均子系数为0.52,非胃癌的平均子系数为0.45.

结论:

• 在常规的临床CT扫描中,GANDA能够有效地检测和细分胃瘤.
• 人工智能方法有望提高胃瘤查和诊断的诊断准确性和效率.