新的人工智能模型准确分类使用幻灯片从24机构结直肠息肉

结直肠癌估计导致53000多人死亡于2020年在美国,使其成为第二个癌症死亡的最常见原因。然而,这种死亡率一直在稳步下降,可能是因为更好的癌症筛查项目,如结肠镜检查。在结肠镜检查中,医生切除结肠直肠息肉和视觉检查在肿瘤组织病理学的幻灯片。检测癌症在早期治愈阶段和删除侵袭前腺瘤或锯齿状病变最终降低了死亡率。数量和类型的息肉也可以表明未来患恶性肿瘤,因此作为筛选建议的基础。

一个人工智能(AI)模型进行自动分类结直肠息肉可能会从中受益癌症筛查项目通过提高效率、重现性和准确性,以及减少障碍病理服务的访问。在一项新的研究中,达特茅斯和Dartmouth-Hitchcock诺里斯棉花癌症中心,计算机科学和临床研究团队赛义德娜斯领导的博士训练深层神经网络做到这一点。他们的模型不仅可以区分四个主要类型的结直肠息肉的练习病理学家,在评估数据集多个外部机构,但也证明了模型设计的使用数据从一个机构可以实现精度高在外部数据。

研究小组发现,深神经网络,训练在结直肠息肉Dartmouth-Hitchcock医疗中心的数据,仍然执行相同级别的敏感性和准确性时练习病理学家用于238幻灯片横跨24不同机构在美国。这些发现,“评价的神经网络进行自动分类的结直肠息肉组织病理学幻灯片,”已经出版《美国医学会杂志》网络开放。“我们的研究是第一个显示的深层神经网络可概括的数据来自多个外部医疗中心,“娜说。“一个挑战深度学习医学图像分析领域的广泛收集数据。在这里,我们可以访问组织病理学幻灯片从24个不同的机构,这使我们有机会评估和显示,我们训练的人工智能模型大致可归纳的新数据之外。”

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。

娜斯的团队建立了一个图形用户界面显示分类的神经网络。他们目前正在临床试验评估使用他们的协助病理学家在结直肠息肉的诊断算法。“我们希望创建一个软件应用程序,可以帮助医生提高精度,效率和一致性诊断幻灯片,”他说。