"提高口腔癌的早期检测:对人工智能模型和病变分类临床专家的比较研究"

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 口腔病理学诊断 口腔病理学诊断

背景情况:

• 口腔癌对全球健康构成重大挑战,由于不同的临床表现,需要早期检测.
• 内口摄影为人工智能驱动的口腔癌早期检测提供了一个潜在的途径.
• 及时诊断对于改善口腔癌患者的治疗结果至关重要.

研究的目的:

• 评估人工智能 (AI) 在从口腔内照片中检测口腔癌的有效性.
• 将深度学习模型的诊断性能与人类专家进行比较.
• 探索AI整合到临床工作流程中的潜力,以改善口腔癌诊断.

主要方法:

• 一项横截面研究分析了518张口内图像 (104张恶性,414张良性/正常),病理证实.
• 在图像数据集上训练和测试了三个深度学习模型 (DenseNet-121,EfficientNet-B0,ResNet-50).
• 每个模型的性能指标包括精度,灵敏度,特异性和AUC.

主要成果:

• 丹森网-121实现了最高的性能,准确率为91%,灵敏度为75%,特异性为98%.
• 人工智能模型的诊断准确度超过了经验丰富的口腔专家.
• 关键指标包括96%的负预测值和84%的F1得分.

结论:

• 使用人工智能对口腔内图像的分析显示了提高早期口腔癌检测的巨大潜力.
• 将人工智能工具集成到临床实践中可以提高诊断准确性和患者护理.
• 人工智能为识别恶性口腔病变的传统方法提供了有价值的补充.