Thorax:一种预测肺结节恶性程度卷积神经网络人工智能工具的外部验证
2020-03-06 xiangting MedSci原创
与布鲁克模型相比,LCP-CNN评分具有更好的辨别力,可以识别更多的良性结节而不会遗漏癌症。
对CT检测到肺结节的恶性风险进行评估对于临床治疗至关重要。人工智能(AI)的使用为改善风险预测提供了机会。这里比较了一种AI算法,即肺癌预测卷积神经网络(LCP-CNN)与英国指南推荐的布鲁克大学模型的性能。
研究人员从英国三家医院回顾性收集偶然发现的5-15mm肺结节数据集,并用于验证研究。每个结节的真实诊断均基于组织学(任何癌症均需要)、分辨率、稳定性或(仅针对肺淋巴结)专家意见。1187名患者中有1397个结节,其中229名患者中的234个结节(19.3%)是癌症。使用预定义的分数阈值比较了布鲁克模型与LCP-CNN的模型区分度和性能统计数据。
LCP-CNN的曲线下面积为89.6%(95%CI 87.6-91.5),而布鲁克模型为86.8%(95%CI 84.3-89.1)(p≤0.005)。使用LCP-CNN,研究人员发现24.5%的结节评分低于最低的癌结节评分,而使用布鲁克评分则为10.9%。使用预定义的阈值,研究人员发现LCP-CNN产生1例假阴性(占癌症的0.4%),而Brock模型产生6例假阴性(占2.5%),而两种模型的特异性相似。
与布鲁克模型相比,LCP-CNN评分具有更好的辨别力,可以识别更多的良性结节而不会遗漏癌症。这可以明显减少所需随访CT扫描的比例,从而节省大量资源。
原始出处:
David
R Baldwin. External validation of a convolutional neural network artificial
intelligence tool to predict malignancy in pulmonary nodules. Thorax. 05 March
2020.
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
作者:xiangting
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
请问这个模型在哪里可以找到呀
72
一种预测#肺结节#恶性程度#卷积神经网络##人工智能#工具,应该是发展方向。与狗狗是一个道理
279
#神经网络#
60