林恩达:通过神经网络检测帮助识别淋巴瘤
Paul Vincent Naser1,2,3,4, Maximilian Fischer2,5,6, Miriam Cindy Maurer5,7
1Department of Neurosurgery, Heidelberg University Hospital, Im Neuenheimer Feld 400, 69120 Heidelberg, Germany.
iScience
|January 1, 2026
概括
一个名为LINNDA的AI工具通过作为人类专家之间的平局打破者,提高了初级中枢神经系统淋巴瘤 (PCNSL) 和质母细胞瘤 (GBM) 的术前诊断准确度,达到89.9%的准确度.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 在初级中枢神经系统淋巴瘤 (PCNSL) 和质母细胞瘤 (GBM) 之间进行准确的手术前区分对于有效的患者管理和手术策略至关重要.
- 在手术前区分PCNSL和GBM在神经瘤学中是一个重大的诊断挑战.
研究的目的:
- 为了评估人工智能辅助工作流程的诊断性能,LINNDA (通过神经网络检测辅助器识别淋巴瘤),在区分PCNSL和GBM时.
- 将人工智能辅助工作流程的诊断准确性与人类专家的共识和个人评级者进行比较.
主要方法:
- 十位临床医生独立审查了46例GBM和PCNSL病例.
- 一个人工智能工作流程 (LINNDA) 将DenseNet169神经网络集成为临床医生不同意时的"决胜者".
- 在许多场景中,AI的诊断性能与人类专家的共识进行了评估,并与第三个人类评估者进行了比较.
主要成果:
- 将AI预测集成到诊断过程中,提高了整体准确率至89.9%,超过了专家的共识.
- 在5108个经过评估的场景中,人工智能辅助的方法在第三个人类评估者上表现出优越性.
- 对于排除PCNSL,LINNDA获得了97%的负预测值,支持其临床实用性.
结论:
- 人工智能辅助的LINNDA工作流显著提高了PCNSL和GBM之间手术前分化的准确性.
- 林纳为临床决策提供了可靠的工具,特别是在诊断不确定性的情况下.
- 这种人工智能方法为人类在神经瘤诊断方面的专业知识提供了宝贵的补充.
