Clin Trans Gastroenterology： 深度学习分析在胰腺导管内乳头状粘液性肿瘤恶性肿瘤诊断中的应用
2019-06-26 不详 MedSci原创
导管内乳头状粘液性肿瘤（IPMNs）是胰腺癌的前期病变。人工智能（AI）是一种数学概念，其可以实现自动化学习和识别数据模式。本研究的目的是通过使用IPMN的内窥镜超声（EUS）图像的深度学习算法来评估AI是否可以预测恶性肿瘤的发生。
背景及目标：
导管内乳头状粘液性肿瘤（IPMNs）是胰腺癌的前期病变。人工智能（AI）是一种数学概念，其可以实现自动化学习和识别数据模式。本研究的目的是通过使用IPMN的内窥镜超声（EUS）图像的深度学习算法来评估AI是否可以预测恶性肿瘤的发生。
方法：
本项研究是回顾性研究，研究人员对胰腺切除术前接受EUS并在单个癌症中心进行病理证实的IPMN的患者进相关行了分析。总共收集了3970张静止图像并作为输入馈入深度学习算法。
结果：
恶性IPMNs的平均AI值显着高于良性IPMNs（0.808 vs 0.104，P <0.001）。通过 AI恶性概率诊断IPMN恶性肿瘤的接受者操作特征曲线下面积为0.98（P <0.001）。AI恶性概率的敏感性，特异性和准确性分别为95.7％，92.6％和94.0％； 其准确性高于人类诊断（56.0％）。多变量逻辑回归分析显示AI恶性概率是IPMN相关恶性肿瘤的唯一独立因素（优势比：295.16，95％置信区间：14.13-6，165.75，P <0.001）。
讨论：
与人工诊断和常规EUS特征相比，通过深度学习算法的AI 可能是诊断IPMN恶性肿瘤的更准确和客观的方法。
原始出处：
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.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
作者：不详
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
小提示：本篇资讯需要登录阅读，点击跳转登录
#导管内乳头状粘液性肿瘤#
30
#GAS#
24
#Gastroenterol#
29
#AST#
36
#TRA#
34