論文の概要: Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from a Prospective Multicenter Study

• arxiv url: http://arxiv.org/abs/2401.14193v1
• Date: Thu, 25 Jan 2024 14:03:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-26 14:17:23.469467
• Title: Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from a Prospective Multicenter Study
• Title（参考訳）: 人工知能による悪性黒色腫の臨床診断 : 多施設共同研究から
• Authors: Lukas Heinlein, Roman C. Maron, Achim Hekler, Sarah Haggenm\"uller, Christoph Wies, Jochen S. Utikal, Friedegund Meier, Sarah Hobelsberger, Frank F. Gellrich, Mildred Sergon, Axel Hauschild, Lars E. French, Lucie Heinzerling, Justin G. Schlager, Kamran Ghoreschi, Max Schlaak, Franz J. Hilke, Gabriela Poch, S\"oren Korsing, Carola Berking, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Dirk Schadendorf, Wiebke Sondermann, Matthias Goebeler, Bastian Schilling, Eva Krieghoff-Henning, Titus J. Brinker
• Abstract要約: AIはメラノーマの検出を強化するのに役立つことが証明されている。 現存する研究は、サンプルサイズが低いこと、同質なデータセットが多すぎること、希少なメラノーマ亜型の欠如によって制限されている。 メラノーマの診断精度と皮膚科医の診断精度を比較検討し, 確立されたメラノーマ検出用オープンソースアルゴリズムである「All Data is Ext」(ADAE)を評価した。
• 参考スコア（独自算出の注目度）: 1.2397589403129072
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Early detection of melanoma, a potentially lethal type of skin cancer with high prevalence worldwide, improves patient prognosis. In retrospective studies, artificial intelligence (AI) has proven to be helpful for enhancing melanoma detection. However, there are few prospective studies confirming these promising results. Existing studies are limited by low sample sizes, too homogenous datasets, or lack of inclusion of rare melanoma subtypes, preventing a fair and thorough evaluation of AI and its generalizability, a crucial aspect for its application in the clinical setting. Therefore, we assessed 'All Data are Ext' (ADAE), an established open-source ensemble algorithm for detecting melanomas, by comparing its diagnostic accuracy to that of dermatologists on a prospectively collected, external, heterogeneous test set comprising eight distinct hospitals, four different camera setups, rare melanoma subtypes, and special anatomical sites. We advanced the algorithm with real test-time augmentation (R-TTA, i.e. providing real photographs of lesions taken from multiple angles and averaging the predictions), and evaluated its generalization capabilities. Overall, the AI showed higher balanced accuracy than dermatologists (0.798, 95% confidence interval (CI) 0.779-0.814 vs. 0.781, 95% CI 0.760-0.802; p<0.001), obtaining a higher sensitivity (0.921, 95% CI 0.900- 0.942 vs. 0.734, 95% CI 0.701-0.770; p<0.001) at the cost of a lower specificity (0.673, 95% CI 0.641-0.702 vs. 0.828, 95% CI 0.804-0.852; p<0.001). As the algorithm exhibited a significant performance advantage on our heterogeneous dataset exclusively comprising melanoma-suspicious lesions, AI may offer the potential to support dermatologists particularly in diagnosing challenging cases.
• Abstract（参考訳）: 世界中の有病率の高い致死性皮膚癌であるメラノーマの早期発見は、患者の予後を改善する。 振り返り研究において、人工知能(AI)はメラノーマの検出を促進するのに役立つことが証明されている。 しかし、これらの有望な結果を確認する有望な研究はほとんどない。 既存の研究は、サンプルサイズ、あまりにも均質なデータセット、または稀なメラノーマのサブタイプの包含性の欠如によって制限されており、aiとその一般化性を公平かつ徹底的に評価することを妨げる。 そこで我々は,8つの異なる病院,4つの異なるカメラセットアップ,まれなメラノーマサブタイプ,特別な解剖学的部位からなる外的異種テストセットにおいて,その診断精度を皮膚科医と比較し,メラノーマを検出するための確立されたオープンソースアンサンブルアルゴリズムである「全データがextである」(adae)を評価した。 我々は, 実検時間拡張(R-TTA, 複数角度から得られた病変の実際の写真提供, 予測平均化)によりアルゴリズムを進歩させ, その一般化能力を評価した。 総合すると、aiは皮膚科医(0.798, 95%信頼区間(ci) 0.779-0.814 vs. 0.781, 95% ci 0.760-0.802; p<0.001)よりも高い感度(0.921, 95% ci 0.900- 0.942 vs. 0.734, 95% ci 0.701-0.770; p<0.001)を得た。 このアルゴリズムはメラノーマ関連病変のみを含む異種データセットに対して有意なパフォーマンス上の優位性を示したため、AIは特に難治性症例の診断において皮膚科医を支援する可能性がある。

関連論文リスト

• Multi-modal AI for comprehensive breast cancer prognostication [18.691704371847855]
  そこで我々は,新しいAI手法を用いて,デジタル病理と臨床特性に基づく乳癌患者層化試験を開発した。 この検査は15のコホートにまたがる8,161人の乳癌患者のデータを用いて開発・評価された。 その結果、我々のAIテストは精度を向上し、幅広い患者に適用性を高め、治療選択ツールへのアクセスを向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T17:54:29Z)
• Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions [0.8864540224289991]
  患者数の増加とより包括的な診断の必要性により、病理学者は作業負荷の増大に直面している。 われわれは,全スライド画像に基づいて皮膚メラノサイト性病変をトリアージする人工知能(AI)モデルを開発した。
  論文  参考訳（メタデータ） (2024-10-14T13:49:04Z)
• Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
  光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。 FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。 我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
  論文  参考訳（メタデータ） (2024-06-18T03:04:52Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient Network [37.931408083443074]
  Pixel-Lesion-pAtient Network (PLAN) は, アンカークエリの改善と前景のサンプリング損失による各病変の分割と分類を行う。 PLANは95%と96%の患者レベルの感度と特異性を達成している。 造影CTでは, 病変レベルの検出精度, リコール, 分類精度は92%, 89%, 86%であり, CNNやトランスフォーマーよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-17T06:21:45Z)
• Cluster-Induced Mask Transformers for Effective Opportunistic Gastric Cancer Screening on Non-contrast CT Scans [38.46196471197819]
  世界第3位の死因は胃癌である。 既存の方法は侵襲的であり、高価であり、早期胃癌を特定する感度が欠如している。 マルチタスク方式で腫瘍を共同分割し異常を分類する新規なクラスタ誘導型マスクトランスを提案する。
  論文  参考訳（メタデータ） (2023-07-10T12:49:36Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Using Whole Slide Image Representations from Self-Supervised Contrastive Learning for Melanoma Concordance Regression [2.21878843241715]
  悪性黒色腫と良性黒色腫病変を鑑別する際,病理医の間では高い一致率で診断が複雑になる。 デジタル化された全スライド画像(WSIs)から侵入性メラノーマまたはメラノーマの一致率を予測するメラノーマ一致回帰深層学習モデルを提案する。 我々は,4つの病理検査室から得られた10,895検体からランダムに採取した83,356個のWSIタイルを用いたSimCLR特徴抽出器を訓練した。 テストセットで0.28 +/-0.01のルート平均正方形誤差(RMSE)と0.85 +/-0.05と0.61 +/-0.06の精度とリコールを実現した。
  論文  参考訳（メタデータ） (2022-10-10T16:07:41Z)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)
• Predicting the risk of pancreatic cancer with a CT-based ensemble AI algorithm [0.0]
  膵癌は致死性疾患であり、診断が困難であり、予後不良と死亡率が高い。 非造影CTによるあらゆる膵病変の普遍的癌リスクを予測するために,アンサンブルAIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-03T06:06:43Z)
• AI outperformed every dermatologist: Improved dermoscopic melanoma diagnosis through customizing batch logic and loss function in an optimized Deep CNN architecture [2.572959153453185]
  本研究では,メラノーマを二項分類問題として検出することを目的としたディープ畳み込みニューラルネットワークを用いた手法を提案する。 これには3つの重要な機能、すなわち、カスタマイズされたバッチロジック、カスタマイズされた損失関数、完全に接続されたレイヤが含まれる。 このモデルは157人の皮膚科医に優れ、AUCでは94.4%、感度は85.0%、特異度は95.0%であった。
  論文  参考訳（メタデータ） (2020-03-05T13:19:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。