利用人工智能用于用超声波生物显微镜图像诊断眼表面状瘤

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 眼表面状瘤 (OSSN) 需要精确区分和良性病变,以进行适当的治疗.
• 超声波生物显微镜 (UBM) 提供了前段的详细成像,但区分OSSN可能具有挑战性.
• 人工智能有可能提高眼科诊断的准确性.

研究的目的:

• 使用UBM图像开发和评估一种AI模型,以区分OSSN和良性眼球表面病变.
• 将AI模型的诊断性能与经验丰富的眼科医生进行比较.
• 评估人工智能模型决策过程的透明度和公平性.

主要方法:

• 从139名活检证明结膜病变的患者中回顾性收集了582张UBM图像 (201种良性,381种OSSN).
• 图像预处理包括裁剪和重新缩放,然后进行数据增强.
• 使用五倍交叉验证对卷积神经网络进行培训和验证.
• 热图的生成用于模型的解释性和与人类专家的性能进行比较.

主要成果:

• 人工智能模型的准确度为74.3%,灵敏度为75.0%,特异性为73.0%,AUROC为0.83.
• 人工智能模型显著优于两名眼科瘤学研究员,与高级眼科医生相比显示出边缘意义.
• 热图表明回声性是预测的关键因素,模型性能在患者子组中一致.

结论:

• 人工智能可以使用UBM图像将OSSN与良性病变区分开来.
• 人工智能模型展示了其作为眼皮表面瘤评估中临床决策的透明和公平工具的潜力.
• 需要进一步验证,以便将这种AI工具整合到常规临床实践中.