猴塞雷

科学观察员
科学赐予人类相信真理的力量

新的人工智能模型使用来自24个机构的幻灯片准确地分类结直肠息肉

新的人工智能模型使用来自24个机构的幻灯片准确地分类结直肠息肉

据估计,到2020年,结肠直肠癌将导致美国53000多人死亡,使其成为癌症死亡的第二大常见原因。然而,死亡率一直在稳步下降,这可能是由于更好的癌症筛查项目,如结肠镜检查。在结肠镜检查中,临床医生切除结肠息肉,并在组织病理学切片上对其进行肉眼检查。在早期可治愈的阶段发现癌症并切除侵袭前腺瘤或锯齿状病变最终可降低死亡率。所发现的息肉的数量和类型也可以表明未来患恶性肿瘤的风险,因此可作为筛查建议的基础。

人工智能(AI)模式的结肠直肠息肉自动分类可以受益于癌症筛查程序,提高效率,再现性和准确性,以及减少获取病理服务的障碍。在达特茅斯和达特茅斯-希区柯克的诺里斯棉癌症中心的一项新研究中,由萨伊德·哈桑普尔博士领导的一个计算机科学和临床研究小组训练了一个深层神经网络来完成这项工作。他们的模型不仅可以在执业病理学家的层面上,通过跨多个外部机构的数据集进行评估,区分四种主要的结直肠息肉类型,而且证明了使用单个机构的数据设计的模型可以在外部数据上获得较高的准确性。

研究小组发现,在美国24个不同机构的238张载玻片上,针对达特茅斯-希区柯克医疗中心(Dartmouth-Hitchcock Medical Center)结直肠息肉数据进行训练的深度神经网络,其敏感性和准确性仍与执业病理学家相同。这些发现,“在组织病理学切片上对结肠直肠息肉自动分类的深度神经网络的评估”,已经发表在JAMA Network Open上。“我们的研究是第一个展示深度神经网络的研究之一,它可以推广到来自多个外部医疗中心的数据,”Hassanpour说。“医学图像分析的深度学习领域的一个挑战是收集广泛的数据。在这里,我们可以看到来自24个不同机构的组织病理学幻灯片,这让我们有机会评估和展示,我们训练的人工智能模型可以广泛地推广到来自外部的新数据。”

访问多机构研究的数据集是通过娜与Arief Suriawinata博士合作,医学博士和他的团队的病理学和实验室医学博士和达特茅斯-希契科克医疗中心伊丽莎白·巴里博士的流行病学Geisel达特茅斯大学医学院,以及她的同事从维生素D /钙息肉预防的临床试验。

哈桑普尔的团队已经建立了一个图形用户界面来显示神经网络的分类。他们目前正在进行一项临床试验,以评估他们的算法在帮助病理学家诊断结肠直肠息肉中的应用。“我们希望创建一个软件应用程序,帮助病理学家提高诊断幻灯片的准确性、效率和一致性,”他说。

猴塞雷 版权所有,未经允许不得转载:猴塞雷 » 新的人工智能模型使用来自24个机构的幻灯片准确地分类结直肠息肉
分享到: 更多 (0)

猜你也想读下面的文章: