相关实验视频
Updated: Mar 15, 2026
08:49
A 3D Organotypic Melanoma Spheroid Skin Model
Published on: May 18, 2018
16.7K
对MOLES和Mel AInoma进行比较,以区分从Nevi到小胆道黑色素瘤
Katerina Stripling1,2, Hannah Coudé Adam1,2, Mats Holmström3
1Department of Clinical Neuroscience, Division of Eye and Vision, Karolinska Institutet, 171 77 Stockholm, Sweden.
Cancers
|March 14, 2026
概括
MOLES评分系统和MelAIInoma深度学习算法都有助于识别小胆管黑色素瘤. MelAIInoma与黑色素瘤诊断的关联比MOLES更强.
科学领域:
- 眼科医生 眼科 眼科
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 早期检测小胆道黑色素瘤对于预防转移至关重要.
- 区分小黑色素瘤和良性瘤是具有挑战性的,有风险过度治疗.
- MOLES评分系统和MelAIInoma深度学习算法有助于评估有色素的胸腔病变.
研究的目的:
- 比较MOLES和MelaIInoma分数之间的关联.
- 评估每个分数与专家黑色素瘤与神经瘤诊断的相对关联.
主要方法:
- 对86名患有小色素胆道病变的患者进行了回顾性队列研究.
- 由眼科瘤学家分配的MOLES得分;从 fundus照片中生成的MelAIInoma得分.
- 统计分析包括线性回归,Jonckheere-Terpstra测试和后勤回归.
主要成果:
- 在较高的MOLES类别 (p=0.0001) 中,MelAIInoma得分增加.
- 这两种评分都与黑色素瘤的几率增加有关;MelaAIInoma的相关性更强 (R2=0.38对比0.27).
- 在多变量分析中,这两种评分都与黑色素瘤独立相关.
结论:
- MOLES和MelAIInoma有效地区分了小胆管黑色素瘤和瘤.
- 评分是统计相关的,但捕获不同的信息.
- 由于其更强的诊断关联,MelAIInoma提供了可重复的,补充的病位的辅助.
