人工智能外科视频分析模型的开发和验证,用于预测肺癌手术中的内脏肺部入侵:一个多中心研究

科学领域:

• 胸部外科手术 胸部外科手术
• 医学中的人工智能.
• 在瘤学瘤学.

背景情况:

• 在视频辅助胸腔镜手术 (VATS) 期间内科诊断内脏膜侵袭 (VPI) 是具有挑战性的.
• 准确的VPI检测对于手术决策和患者预后至关重要.

研究的目的:

• 开发和验证基于深度学习的模型 (VPI-Net) 以改善手术内VPI诊断.
• 将模型的性能与人类专家的评估进行比较.

主要方法:

• 一个残留卷积神经网络 (VPI-Net) 在346名患者的胸腔镜视频和临床数据上接受了培训.
• 该模型估计了VPI状态并生成了VPI风险得分 (VPIscore).
• 使用内部和外部测试集,对外科医生和放射科医生进行了表现评估.

主要成果:

• 与所有指标 (准确性,敏感性,特异性,PPV,NPV) 的人类专家相比,VPI-Net显示出更高的诊断性能 (AUC 0.84-0.94).
• 较低的VPIscore与改善的整体存活率,无复发存活率和进展时间有显著的相关性.
• 该模型的预后价值甚至在患有小瘤的患者和分白切除术后也很明显.

结论:

• VPI-Net模型提供了一种可靠的方法,用于在手术中识别VPI.
• 这种人工智能驱动的方法有可能增强外科手术决策并改善VATS患者的治疗结果.