使用无需编程的AI辅助图像分类进行分类的男性不孕症评分

由Toho大学Omori Medical Centre的Hideyuki Kobayashi博士领导的研究小组开发了一个AI辅助图像分类器，为含有杂草症患者的组织学睾丸图像提供分数。泌尿科医师Kobayashi博士的目标是为日常临床实践环境创造一种易于使用的病理检查方法。有了它，睾丸图像可以分为82.6％的准确性。

不孕症同样影响女性和雄性。在男性不孕症，Azoospermia（精液中没有精子）是一种预防夫妇有孩子的主要问题。为了治疗含有zzoospermia的患者，需要睾丸精子萃取（TESE）以获得成熟精子。当检查时，组织学标本通常根据睾丸的组织病理学特征在1至10的等级中排名。

“Johnsen得分已被广泛用于泌尿外科，因为它是50年前的第一次报道。然而，睾丸的组织病理学评估不是一项容易的任务，并且由于来自多个高度专业步骤产生的睾丸组织的复杂性而花费了很多时间在精子发生中。我们的目标是通过利用AI技术来简化这一耗时的诊断步骤。为此，我们选择了谷歌的自动化机器学习（Automl）愿景，这不需要编程，为个体患者创建AI模型数据集。随着Automl Vision，没有编程技能的临床医生可以使用深入学习在没有数据科学家的情况下建立自己的模型，“Toho大学医学院泌尿科副教授兼泌尿科院副教授（图1）副教授博士说。

“我们创建的模型可以在没有病理学家的帮助下对睾丸的组织学图像进行分类。我希望我们的方法能够使临床医生能够在任何医学领域建立基于AI的模型，这可以在日常临床实践中使用，”他说。

为了简化临床实践中的Johnsen评分，Kobayashi博士定义了四个标签：Johnsen得分1-3,4-5,6-7和8-10（图2）。他和他的合作研究人员在×400的放大倍数下获得了7155个图像的数据集。所有图像都上传到Google Cloud Automl Vision平台。对于X400倍率图像数据集，算法的平均精度（阳性预测值）为82.6％，精度为80.31％，召回为60.96％（图3）。

AI已经受欢迎，正在应用于所有医学领域。然而，在医院的临床医生中使用AI的使用仍然受到援助的帮助下的正确使用AI的帮助。“基于云的机器学习我们使用的框架是为每个人的。它可以成为医学中的一种强大的工具，即在不久的将来，医院的医生将使用基于AI的医学图像分类器，以便他们现在使用Microsoft PowerPoint或Excel的方式，“Kobayashi博士说。他补充说，“最困难的部分是拍摄睾丸病理学的图像，并且非常耗时。两个同事们很难获得研究中使用的所有图像。我非常感谢他们的专业努力。“