Lucassen, R. T., Stathonikos, N., Breimer, G. E., Veta, M., & Blokx, W. A. M. (2024). Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions. arXiv preprint arXiv:2410.10509.
本研究は、デジタル病理画像を用いて、皮膚のメラノサイト病変のトリアージを行うAIモデルの開発と検証を目的とした。
オランダのユトレヒト大学医療センターのレトロスペクティブコホートを用いて、AIモデルの開発と検証を行った。データセットは、20,707人の患者から得られた27,167のユニークな検体から得られた、合計52,202枚のH&E染色されたデジタル病理画像から構成された。一般的な母斑のみの検体は低複雑度群(86.6%)に分類され、非一般的な母斑、メラノサイトーマ、メラノーマを含むその他のメラノサイト病変サブタイプの検体は高複雑度群(13.4%)に分類された。データセットは、患者レベルで開発セット(80%)と独立した評価のためのテストセット(20%)に分割された。予測性能は、主に受信者動作特性曲線下面積(AUROC)と適合率-再現率曲線下面積(AUPRC)を用いて測定した。臨床現場におけるAIベースのトリアージ導入の効果を検討するため、シミュレーション実験を実施した。
AIモデルは、分布内テストセットでAUROC 0.966(95%CI、0.960-0.972)、AUPRC 0.857(95%CI、0.836-0.877)を達成した。分布外テストセットでは、AUROC 0.899(95%CI、0.860-0.934)、AUPRC 0.498(95%CI、0.360-0.639)を達成した。シミュレーション実験では、ランダムな症例割り当てをベースラインとして、AIベースのトリアージにより、500症例あたり平均43.9件(95%CI、36-55件)の一般病理医による高複雑度症例の初期検査が回避された。
AIモデルは、複雑度の高いメラノサイト病変と低いメラノサイト病変を区別する上で、強力な予測性能を達成した。AIベースのトリアージによるワークフロー効率の向上は、かなりのものになる可能性がある。
本研究は、大規模なメラノサイト病変データセットに基づいて、皮膚メラノサイト病変のトリアージのためのAIモデルの開発と検証を行った最初の研究の一つである。本研究で開発されたAIモデルは、病理医のワークフロー効率を大幅に向上させ、診断の精度向上と治療の迅速化に貢献する可能性がある。
本研究では、まれなメラノサイト病変や誤診しやすいメラノサイト病変(例:母斑様メラノーマ)に対するモデルの性能は十分に評価されていない。また、AIベースのトリアージの導入によるコスト削減効果や、病理医の業務満足度への影響については、さらなる検討が必要である。
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Ruben T. Luc... о arxiv.org 10-15-2024
https://arxiv.org/pdf/2410.10509.pdfГлибші Запити