200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
成果名称：全国联合学习纵隔肿瘤诊断：一项多中心队列研究
发表期刊：《柳叶刀·数字健康》[The Lancet Digital Health，IF（2022）：30.9]
通讯作者：何建行教授 戴琼海院士 徐枫副教授
主要作者单位：广州医科大学附属第一医院 国家呼吸中心
1、该研究联合国内24家医院，建立了目前最大的多中心纵隔肿瘤影像数据库，共计8000余例，超过40种（包括罕见类型）的各类纵隔肿瘤。
2、联合清华大学，构建了国际首个泛纵隔肿瘤检测诊断模型CAIMEN。模型检测正确的一致性（AUROC）超过97%。在CAIMEN的辅助下，人类专家对纵隔肿瘤的top-1 诊断准确率提高了 19.1%，top-3诊断准确率提高了13.0%。
3、医工结合，创新性地提出了“多视角融合的检测分割算法”“ 二元决策树分类算法”“增强CT迁移学习”等实体瘤影像数据训练方法，提高了肿瘤分割及分类模型的精确性，为实体瘤的AI诊断研究提供了创新方法。
由广州医科大学附属第一医院国家呼吸医学中心主任何建行教授团队牵头，联合清华大学、天河二号超算中心及全国24家医疗中心共同合作开发，运用跨学科多中心人工智能方法，在国际上首次构建了基于胸部CT的泛纵隔肿瘤检测及诊断模型[高效人工智能（AI）泛纵隔肿瘤诊断系统CAIMEN]。
研究者从国内15个省，共计24个中心回顾性收集了跨度2010年1月1日到2020年10月31日的7825例纵隔肿瘤以及796例健康对照。其中15个中心数据用于模型开发和内部测试，5个中心数据用于模型泛化性能的外部测试，另外4个中心数据用于比较CAIMEN 和人类专家的疾病诊断能力。
结果显示，CAIMEN 对于纵隔肿瘤检测准确度较高，在内部测试集中，对纵隔肿瘤的检测正确的一致性（AUROC）为0.988 (95% CI 0.983–0.993)，灵敏度为0.997 (0.989–1.000)，特异性为0.817（0.779–0.855）。在外部测试集上，CAIMEN 的平均AUROC为0.973 (0.969–0.977)。 CAIMEN 对12 种常见的纵隔肿瘤具有良好的区分能力。在外部验证队列中，与人类专家相比，CAIMEN 诊断的平均 top-1 准确率相比人类专家提高了 44.9%（人类专家为0.345，而CAIMEN为 0.500），平均 top-3 准确率提高 46.8%（人类专家为0.545，而CAIMEN为0.800）。
在CAIMEN的辅助下，人类专家的平均 top-1 准确率提高了 19.%（无辅助时为0.345，有辅助时为 0.411） top-3 准确率提高了13.0%（无辅助时为 0.545，有辅助时为 0.616）。对于良性肿块和恶性肿瘤分类，CAIMEN具有相当12.7年经验人类专家的区分能力。
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017