新的AI模型准确地分类了24机构的幻灯片的结肠直肠息肉

2020年估计结直肠癌在美国造成超过53,000人死亡，使其成为癌症死亡的第二个最常见的原因。然而，这种死亡率已经稳步下降，可能是由于更好的癌症筛查计划，如结肠镜检查。在结肠镜检查期间，临床医生消除结肠直肠息肉，并在目视检查它们对肿瘤的组织病理学载玻片。在早期的可固化阶段检测癌症并去除预侵入性腺瘤或锯齿状病变最终降低了死亡率。发现的息肉的数量和类型也可以表明恶性肿瘤的未来风险，因此被用作筛选建议的基础。

一个人工智能（AI）自动分类模型结直肠息肉可以受益癌症通过提高效率、可重复性和准确性，以及减少获得病理服务的障碍，开展筛查项目。在达特茅斯和达特茅斯-希区柯克的诺里斯棉花癌症中心的一项新研究中，一个由Saeed Hassanpour博士领导的计算机科学和临床研究团队训练了一名医生深神经网络就是这样。通过跨多个外部机构的数据集，他们的模型不仅可以在执业病理学家的水平上区分四种主要类型的结直肠息肉，而且还证明了使用单一机构的数据设计的模型可以实现精度高在外面的数据上。

该团队发现，在美国24个不同机构使用的238张幻灯片上，用达特茅斯-希区柯克医疗中心的结肠息肉数据训练的深度神经网络仍然表现出与执业病理学家相同的灵敏度和准确性。这些发现，“在组织病理学切片上自动分类结直肠息肉的深度神经网络的评估”已经发表在《科学》杂志上Jama Network开放．Hassanpour说:“我们的研究是第一个展示深度神经网络的研究，它可以概括来自多个外部医疗中心的数据。”“在医学图像分析的深度学习领域的一个挑战是收集广泛的数据。在这里，我们可以获得来自24个不同机构的组织病理学幻灯片，这让我们有机会评估并展示我们训练的AI模型可以广泛适用于来自外部的新数据。”

Hassanpour与Araief Cheriawinata，MD和他的小组博士和实验室医学系的合作获得了多机构数据集的访问，达特茅斯 - 希区克医疗中心和伊丽莎白博士，博士博士，来自达特茅斯盖茨山地莱斯医学院流行病学系，以及她的同事来自维生素D /钙息肉预防临床试验。

Hassanpour的团队建造了一个图形用户界面用于显示神经网络的分类。他们目前正在进行一项临床试验，以评估他们的算法在协助病理学家诊断结直肠息肉方面的应用。“我们希望创建一个软件应用程序，可以帮助病理学家提高诊断切片的准确性、效率和一致性，”他说。

---

---