顶刊速看丨Nature Med 基于AI和超声的卵巢癌检测:一项国际多中心研究
作者：微信文章超声影像和AI结合也是一个趋势，最新Nat Med 发表了一个基于transformer-based分类算法，算法不算什么新奇，主要是数据量比较多，而且是国际国中心数据。
研究背景
卵巢肿瘤是一种常见的病变，常常在进行其他检查时被意外发现。然而，目前专业超声检查人员的数量严重不足，这一现状可能导致了一些不必要的医疗干预，以及卵巢癌诊断的延误。尽管深度学习技术在分析超声图像识别卵巢癌方面已展现出初步的积极成果，但其效果仍需通过更多的外部验证来进一步确认。
研究目的
开发并验证基于transformer-based的神经网络模型，使用来自8个国家20个中心的17,119张超声图像（来自3,652名患者）的全面数据集。
研究方法
使用留一中心出（leave-one-center-out）交叉验证方案，轮流将每个中心的数据作为测试集，其余中心的数据用于训练模型。
模型在不同中心、超声系统、组织学诊断和患者年龄组中展现出稳健的性能，显著优于专家和非专家检查者。
研究结果
基于transformer-based模型展现出强大的泛化能力，并且诊断准确性超过人类专家水平，有潜力缓解专家超声检查者的短缺，并改善患者结果。
研究意义
这项研究是首次在多个国际外部中心系统地探索和验证AI模型在区分良性和恶性卵巢病变超声图像中的潜力，并与人类检查者进行比较。
研究结果支持AI模型在提高卵巢癌诊断准确性和效率方面的潜力。
研究还提供了AI模型集成到临床诊断流程中的实用潜力的见解。
本文来源于网络，版权归原作者所有，授权转载请联系原作者。文章只为学术新闻信息的传播，不代表本公众号观点。如有侵权请联系删除。
关于我们
清璟AI——TOP2医工交叉博士团队，专注于医疗大模型科研、影像组学、病理组学、深度学习、AI智能体、生信分析、多组学、多模态和各类人工智能算法。致力打造一站式AI+医学科研生态圈，提供专业的AI智能体、高端科研资源及一对一定制化服务。我们的服务涵盖从科研方案设计、数据处理到AI模型开发等各个领域，旨在为医学研究者和临床医生提供全方位的支持与创新解决方案。联系我们，共同探索AI与医学的无限可能。
科研合作请联系
微信号：medaicns
长按二维码添加微信
页:
[1]