新的研究表明，四種用于自動(dòng)搜索和檢索數(shù)字組織病理學(xué)幻燈片的最先進(jìn)圖像搜索引擎被發(fā)現(xiàn)對(duì)于常規(guī)臨床護(hù)理來(lái)說(shuō)性能不足。
內(nèi)科住院醫(yī)師、即將入職的三年級(jí)住院醫(yī)師 Helen Shang 博士表示，為組織病理學(xué)圖像數(shù)據(jù)庫(kù)提供支持的人工智能算法的性能比預(yù)期的要差，有些準(zhǔn)確率低于 50%，不適合臨床實(shí)踐。加州大學(xué)洛杉磯分校大衛(wèi)格芬醫(yī)學(xué)院血液腫瘤學(xué)研究員。
“目前，有許多用于醫(yī)療任務(wù)的人工智能算法正在開(kāi)發(fā)中，但針對(duì)嚴(yán)格的外部驗(yàn)證的努力較少，”與德克薩斯大學(xué)阿靈頓分校的 Mohammad Sadegh Nasr 博士共同領(lǐng)導(dǎo)這項(xiàng)研究的尚說(shuō)。 “該領(lǐng)域還沒(méi)有標(biāo)準(zhǔn)化人工智能算法在臨床采用之前如何進(jìn)行最佳測(cè)試。”
該論文發(fā)表在《NEJM AI》雜志上。
目前，病理學(xué)家手動(dòng)搜索和檢索組織病理學(xué)圖像，這非常耗時(shí)。因此，人們對(duì)開(kāi)發(fā)數(shù)字化癌癥圖像的自動(dòng)搜索和檢索系統(tǒng)越來(lái)越感興趣。
研究人員設(shè)計(jì)了一系列實(shí)驗(yàn)，以評(píng)估搜索引擎結(jié)果在加州大學(xué)洛杉磯分校真實(shí)案例和更大的未見(jiàn)過(guò)的數(shù)據(jù)集上的組織和亞型檢索任務(wù)的準(zhǔn)確性。檢查的四個(gè)引擎是 Yottixel、SISH、RetCCL、HSHR。每個(gè)方法都采用不同的方法來(lái)索引、數(shù)據(jù)庫(kù)生成、排名和圖像檢索。
總體而言，研究人員發(fā)現(xiàn)四種算法的結(jié)果不一致，例如，Yottixel 在乳腺組織上表現(xiàn)最佳，而 RetCCL 在腦組織上表現(xiàn)最高。他們還發(fā)現(xiàn)，一組病理學(xué)家發(fā)現(xiàn)搜索引擎結(jié)果的質(zhì)量低至平均水平，存在一些明顯的錯(cuò)誤。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！