一个人工智能诊断分类模型的多中心临床验证用于喉腔镜图像
Claudio Sampieri1,2,3, Francesco Mora4,5, Giorgio Peretti4,5
1Department of Experimental Medicine (DIMES), University of Genoa, Genova, Italy.
概括
一个新的人工智能 (AI) 计算机辅助诊断 (CADx) 模型准确地从喉镜图像中对喉病变进行分类. 这种人工智能工具展示了与临床医生可比的概括性和性能,有助于在各种环境中进行诊断.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 喉病变的分类对于患者的管理至关重要.
- 准确区分高风险 (HR) 和低风险 (LR) 病变是非常重要的.
- 现有的诊断方法可能是主观的,资源密集的.
研究的目的:
- 开发和外部验证一个人工智能驱动的计算机辅助诊断 (CADx) 模型.
- 从喉镜图像中分类喉病变为高风险 (HR) 或低风险 (LR).
- 评估CADx模型在不同人群中的通用性和诊断性能.
主要方法:
- 一个CADx模型的回顾性多中心开发和验证,使用超过20,000张喉腔镜图像.
- 深度学习模型以内部数据进行训练,并对独立的希腊和西班牙队列进行评估.
- 通过精度,AUC和与耳鼻喉科医生,全科医生和ChatGPT-4o进行比较来衡量性能.
主要成果:
- 在内部 (精度/AUC:0.90/0.89) 和外部数据集 (希腊语:0.85/0.85;西班牙语:0.88/0.88) 中,CADx模型实现了高性能.
- 模型的准确性在统计学上不低于耳鼻喉科医生和专家喉科医生.
- 人工智能模型在分类喉病变方面表现优于全科医生和ChatGPT-4o.
结论:
- 一项大规模的多中心验证证实了AI CADx模型对于喉内镜检查的可通用性.
- 该模型在区分低风险和高风险病变方面显示了与临床医生可比的性能.
- 人工智能工具显示出增强诊断能力的潜力,特别是在资源有限的环境中.
更多相关视频
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
1.5K
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
544
