普通外科

深度學習分析在胰腺導管內乳頭狀粘液性腫瘤惡性腫瘤診斷中的應用

作者:佚名 來源:MedSci梅斯 日期:2019-06-26
導讀

         背景及目標: 導管內乳頭狀粘液性腫瘤(IPMNs)是胰腺癌的前期病變。人工智能(AI)是一種數學概念,其可以實現自動化學習和識別數據模式。本研究的目的是通過使用IPMN的內窺鏡超聲(EUS)圖像的深度學習算法來評估AI是否可以預測惡性腫瘤的發生。 方法: 本項研究是回顧性研究,研究人員對胰腺切除術前接受EUS并在單個癌癥中心進行病理證實的IPMN的患者進相關行了分析。總共收集了3970張靜止圖像

關鍵字:  胰腺 

        背景及目標:

        導管內乳頭狀粘液性腫瘤(IPMNs)是胰腺癌的前期病變。人工智能(AI)是一種數學概念,其可以實現自動化學習和識別數據模式。本研究的目的是通過使用IPMN的內窺鏡超聲(EUS)圖像的深度學習算法來評估AI是否可以預測惡性腫瘤的發生。

        方法:

        本項研究是回顧性研究,研究人員對胰腺切除術前接受EUS并在單個癌癥中心進行病理證實的IPMN的患者進相關行了分析。總共收集了3970張靜止圖像并作為輸入饋入深度學習算法。

        結果:

        惡性IPMNs的平均AI值顯著高于良性IPMNs(0.808 vs 0.104,P <0.001)。通過 AI惡性概率診斷IPMN惡性腫瘤的接受者操作特征曲線下面積為0.98(P <0.001)。AI惡性概率的敏感性,特異性和準確性分別為95.7%,92.6%和94.0%; 其準確性高于人類診斷(56.0%)。多變量邏輯回歸分析顯示AI惡性概率是IPMN相關惡性腫瘤的唯一獨立因素(優勢比:295.16,95%置信區間:14.13-6,165.75,P <0.001)。

        討論:

        與人工診斷和常規EUS特征相比,通過深度學習算法的AI 可能是診斷IPMN惡性腫瘤的更準確和客觀的方法。

        原始出處:

        Kuwahara, Takamichi. Et al.Usefulness of Deep Learning Analysis for the Diagnosis of Malignancy in Intraductal Papillary Mucinous Neoplasms of the Pancreas.Clinical and Translational Gastroenterology.2019.

分享:

評論

我要跟帖
發表
回復 小鴨梨
發表

copyright©醫學論壇網 版權所有,未經許可不得復制、轉載或鏡像 京ICP證120392號 京公網安備11010502031486號

京衛網審[2013]第0193號

互聯網藥品信息服務資格證書:(京)-經營性-2012-0005

//站內統計 //百度統計 //站長統計
*我要反饋: 姓    名: 郵    箱:
云南快乐十分前直三