En ny banbrytande studie publicerad i februari 2024 i Endokrinologi har introducerat en ny artificiell intelligens (AI) modell kallad AI-Sköldkörtel, utformad för att underlätta diagnosen av sköldkörtelcancer. Studien, genomförd av Ha et al., syftade till att utveckla och validera denna innovativa teknologi och utforska dess inverkan på diagnostisk prestanda.
FAQ:
F: Vad är AI-Sköldkörtel?
AI-Sköldkörtel är en modell baserad på artificiell intelligens utvecklad för att underlätta diagnosen av sköldkörtelcancer och förbättra diagnostisk prestanda.
F: Hur tränades AI-Sköldkörtel?
AI-Sköldkörtel-modellen tränades med hjälp av en dataset med 19 711 medicinska bilder från 6 163 patienter vid Ajou University Medical Center.
F: Hur effektiv är AI-Sköldkörtel?
AI-Sköldkörtel uppnådde en imponerande area under receiver operating characteristic (AUROC) kurva på 0,939. Den visade hög känslighet och specificitet vid diagnos av sköldkörtelcancer i både testset 1 och testset 2.
F: Vem kan dra nytta av AI-Sköldkörtel?
AI-Sköldkörtel kan särskilt gynna mindre erfarna läkare genom att förbättra diagnostisk prestanda och öka överensstämmelsen i diagnosen av sköldkörtelcancer.
Källor:
– Ha, et al. ”Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: A Multicenter Diagnostic Study.” Endocrinology, academic.oup.com
Införandet av AI-Sköldkörtel-modellen har potential att revolutionera fältet sköldkörtelcancerdiagnos. Denna innovativa teknologi, utvecklad baserat på omfattande forskning och träning med hjälp av en dataset med över 19 000 medicinska bilder, har visat imponerande diagnostiska förmågor.
Enligt studien utförd av Ha et al. uppnådde AI-Sköldkörtel en imponerande area under receiver operating characteristic (AUROC) kurva på 0,939. Detta indikerar dess höga noggrannhet och prestanda vid diagnos av sköldkörtelcancer. Modellen visade också hög känslighet och specificitet i både testset, vilket ytterligare stärker dess effektivitet.
En stor fördel med AI-Sköldkörtel är dess förmåga att hjälpa mindre erfarna läkare att korrekt diagnostisera sköldkörtelcancer. Studien visade en betydande förbättring av diagnostisk noggrannhet och överensstämmelse mellan bedömare när AI-modellen introducerades. För traineer förbättrades AUROC från 0,854 till 0,945, känsligheten ökade från 84,2 % till 92,7 % och specificiteten steg från 72,9 % till 86,6 %. Fakultetsradiologer upplevde också en förbättring, med AUROC som ökade från 0,914 till 0,939. Detta demonstrerar AI-Sköldkörtels förmåga att förstärka hälso- och sjukvårdspersonals diagnostiska förmågor.
Implementeringen av AI-Sköldkörtel förbättrar inte bara den diagnostiska prestandan utan hjälper också till att nå konsensus bland hälso- och sjukvårdspersonal. Introduktionen av AI-modellen resulterade i en betydande förbättring av överensstämmelse mellan bedömare, som flyttade den från en måttlig nivå till en väsentlig nivå. Detta innebär att AI-Sköldkörtel inte bara ger korrekta diagnoser utan också hjälper hälso- och sjukvårdspersonal att nå enighet om förekomsten av sköldkörtelcancer.
Den forskning som utförts kring AI-Sköldkörtel belyser potentialen för artificiell intelligens inom fältet sköldkörtelcancerdiagnos. Genom att dra nytta av stora mängder data och maskininlärningsalgoritmer kan denna teknologi hjälpa läkare att korrekt diagnostisera sköldkörtelcancer, särskilt de med mindre erfarenhet.
För mer information om denna banbrytande studie kan du hänvisa till den ursprungliga artikeln av Ha et al. publicerad i tidskriften Endokrinologi: länk.
The source of the article is from the blog maestropasta.cz