En banebrydende undersøgelse offentliggjort i februar 2024-udgaven af Endokrinologi har introduceret en ny kunstig intelligens (AI) model kaldet AI-Thyroid, designet til at hjælpe med diagnosen af skjoldbruskkirtelkræft. Undersøgelsen, udført af Ha et al., havde til formål at udvikle og validere denne innovative teknologi og undersøge dens indvirkning på diagnostisk præstation.
AI-Thyroid-modellen blev trænet ved hjælp af et omfattende datasæt med 19.711 medicinske billeder fra 6.163 patienter på Ajou University Medical Center (AUMC), et anerkendt tertiært hospital. For at evaluere dens effektivitet blev modellen derefter sat igennem en grundig validering ved hjælp af et stort prøvestørrelse på 11.185 billeder fra 4.820 patienter på 24 hospitaler (test sæt 1) og 4.490 billeder fra 2.367 patienter på AUMC (test sæt 2).
Resultaterne fra undersøgelsen viste de bemærkelsesværdige evner hos AI-Thyroid, med en imponerende Areal Under Receiver Operating Characteristic (AUROC) kurve på 0.939. I test sæt 1 var AUROC’en, sensitiviteten og specificiteten 0.922, 87.0% og 81.5% respektivt. På samme måde var AUROC’en, sensitiviteten og specificiteten i test sæt 2 henholdsvis 0.938, 89.9% og 81.6%. Vigtigt er det, at AI-Thyroids diagnostiske præstation ikke var signifikant forskellig baseret på forekomsten af malignitet.
Derudover udførte undersøgelsen simulatede scenarier for at evaluere indvirkningen af AI-Thyroid på diagnostisk nøjagtighed og interobserveraftale. Resultaterne var bemærkelsesværdige og viste en signifikant forbedring af AUROC, sensitivitet og specificitet i begge grupper af læger. For gruppe 1, der bestod af mindre erfarne praktikanter, forbedrede AUROC’en sig fra 0.854 til 0.945, sensitiviteten steg fra 84.2% til 92.7% og specificiteten steg fra 72.9% til 86.6%. I gruppe 2, der bestod af fakultetsradiologer, steg AUROC’en fra 0.914 til 0.939.
Introduktionen af AI-Thyroid i diagnoseprocessen havde en betydelig positiv indvirkning på interobserveraftale, idet den forbedrede sig fra moderat til betydelig i begge grupper. Dette betyder, at AI-modellen ikke kun forbedrer den diagnostiske præstation, men også hjælper med enighed blandt sundhedspersonale.
FAQ:
Q: Hvad er AI-Thyroid?
AI-Thyroid er en kunstig intelligensbaseret model udviklet til at hjælpe med diagnosen af skjoldbruskkirtelkræft og forbedre den diagnostiske præstation.
Q: Hvordan blev AI-Thyroid trænet?
AI-Thyroid-modellen blev trænet ved hjælp af et datasæt med 19.711 medicinske billeder fra 6.163 patienter på Ajou University Medical Center.
Q: Hvor effektiv er AI-Thyroid?
AI-Thyroid opnåede en imponerende Areal Under Receiver Operating Characteristic (AUROC) kurve på 0.939. Den demonstrerede høj sensitivitet og specificitet ved diagnosticering af skjoldbruskkirtelkræft i både test sæt 1 og test sæt 2.
Q: Hvem kan drage fordel av AI-Thyroid?
AI-Thyroid kan især gavne mindre erfarne læger ved at forbedre den diagnostiske præstation og forbedre interobserveraftalen ved diagnosen af skjoldbruskkirtelkræft.
Kilder:
– Ha, et al. “Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: A Multicenter Diagnostic Study.” Endocrinology, academic.oup.com
Introduktionen af AI-Thyroid-modellen har potentiale til at revolutionere feltet for diagnosticering af skjoldbruskkirtelkræft. Denne innovative teknologi, udviklet baseret på omfattende forskning og træning ved brug af et datasæt med over 19.000 medicinske billeder, har vist imponerende diagnostiske evner.
Ifølge studiet udført af Ha et al. opnåede AI-Thyroid en imponerende Areal Under Receiver Operating Characteristic (AUROC) kurve på 0.939. Dette indikerer dens høje nøjagtighed og præstation ved diagnosticering af skjoldbruskkirtelkræft. Modellen viste også høj sensitivitet og specificitet i begge test sæt, hvilket yderligere bekræfter dens effektivitet.
En væsentlig fordel ved AI-Thyroid er dens evne til at hjælpe mindre erfarne læger med at diagnosticere skjoldbruskkirtelkræft præcist. Studiet afslørede en betydelig forbedring af diagnostisk nøjagtighed og interobserveraftale, når AI-modellen blev introduceret. For praktikanterne forbedrede AUROC’en sig fra 0.854 til 0.945, sensitiviteten steg fra 84.2% til 92.7% og specificiteten steg fra 72.9% til 86.6%. Fakultetsradiologer oplevede også en forbedring, hvor AUROC’en steg fra 0.914 til 0.939. Dette demonstrerer AI-Thyroids evne til at forbedre sundhedsprofessionelles diagnostiske evner.
Implementeringen af AI-Thyroid forbedrer ikke kun den diagnostiske præstation, men hjælper også med enighed blandt sundhedspersonale. Introduktionen af AI-modellen resulterede i en markant forbedring af interobserveraftalen, idet den gik fra et moderat niveau til et substantielt niveau. Dette betyder, at AI-Thyroid ikke kun giver præcise diagnoser, men også hjælper sundhedspersonalet med at nå til enighed om tilstedeværelsen af skjoldbruskkirtelkræft.
Forskningen udført på AI-Thyroid understreger potentialet ved kunstig intelligens inden for feltet for diagnosticering af skjoldbruskkirtelkræft. Ved at udnytte store mængder data og maskinlæringsalgoritmer kan denne teknologi hjælpe læger med at diagnosticere skjoldbruskkirtelkræft præcist, især dem med mindre erfaring.
For mere information om denne banebrydende undersøgelse, kan du henvise til den originale artikel af Ha et al. offentliggjort i tidsskriftet Endocrinology: link.
The source of the article is from the blog crasel.tk