論文の概要: Clinical Validation of the Melanoscope AI Mobile Dermoscopy Clinical Decision Support System

• arxiv url: http://arxiv.org/abs/2605.27561v1
• Date: Tue, 26 May 2026 18:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.405956
• Title: Clinical Validation of the Melanoscope AI Mobile Dermoscopy Clinical Decision Support System
• Title（参考訳）: Melanoscope AI Mobile Dermoscopy Clinical Decision Support System の臨床的検討
• Authors: Elena Sergeevna Kozachok, Sergey Sergeevich Seregin,
• Abstract要約: 悪性皮膚病変の早期発見は予後に重要である。 ロシアでは皮膚科医の不足が検診範囲を制限している。 モバイル皮膚科の臨床診断支援システムは有望なアプローチを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Introduction. Early detection of malignant skin lesions is critical for prognosis, yet dermatologist shortages in Russian regions limit screening coverage. Mobile dermoscopy clinical decision support systems (CDSS) offer a promising approach, with model interpretability and standardised patient routing remaining key barriers to adoption. Aim. To develop a quantitative interpretability assessment method for cascade deep learning models and a three-zone patient routing algorithm, and to conduct a preliminary single-centre prospective clinical validation of the Melanoscope AI CDSS in Russian outpatient practice. Material and methods. Two-stage cascade classification of dermoscopic images; attention map visualisation (attention rollout for ViT and Swin; Grad-CAM for ConvNeXt and EfficientNetV2); quantitative IoU-based agreement assessment between activation maps and expert annotations; prospective single-centre validation across four "Melanoma Day" sessions (Orel, Russia, June 2025 - April 2026). Results. On 176 patients: agreement with expert assessment 88.6%; no false negatives among 5 malignant lesions (95% CI: 47.8-100.0%); specificity 88.3%. Three melanomas and two basal cell carcinomas were histologically confirmed; six dysplastic naevi placed under follow-up. Mean IoU (n=180): ViT - 0.69; Swin - 0.64; ConvNeXt - 0.53; EfficientNetV2 - 0.51. Routing thresholds: P<0.15 / 0.15-0.50 / >=0.50. Conclusion. No false negatives were observed; specificity was 88.3%, supporting screening use. The integrated cascade classification, attention map visualisation with IoU assessment, and three-zone routing provide reproducible, interpretable clinical decision support adaptable to varying resource levels.
• Abstract（参考訳）: はじめに。 悪性皮膚病変の早期発見は予後に重要であるが、ロシアでは皮膚科医の不足が検診範囲を制限している。 モバイル皮膚内視鏡の臨床診断支援システム (CDSS) は、モデル解釈可能性と患者ルーティングの標準化により、採用の鍵となる障壁を保ちながら、有望なアプローチを提供する。 エイム。 カスケード深層学習モデルと3ゾーンの患者ルーティングアルゴリズムの定量的解釈可能性評価方法を開発し、ロシアの外来医療においてメラノスコープAI CDSSの予備的な単中心的臨床検証を行う。 材料と方法。 皮膚内視鏡画像の2段階のカスケード分類、アテンションマップの可視化(ViTとSwinのアテンションロールアウト、ConvNeXtとEfficientNetV2のGrad-CAM)、アクティベーションマップとエキスパートアノテーションの量的IoUベースの合意評価、4つの"メラノーマの日"セッション(2025年6月-2026年4月)における単一の中心検証(Orel, Russia)。 結果。 176例:専門家評価88.6%、悪性腫瘍5例(95%CI:47.8-100.0%)の偽陰性、特異性88.3%。 3例の黒色腫と2例の基底細胞癌が組織学的に確認された。 Mean IoU (n=180): ViT - 0.69; Swin - 0.64; ConvNeXt - 0.53; EfficientNetV2 - 0.51 P<0.15 / 0.15-0.50 / >=0.50。 結論。 偽陰性は見られず、特異性は88.3%であり、スクリーニングの使用を支持した。 統合カスケード分類、IoUアセスメントによるアテンションマップの可視化、および3ゾーンルーティングは、様々なリソースレベルに対応可能な再現可能な、解釈可能な臨床診断支援を提供する。

関連論文リスト

• A Clinically Validated Foundation Model for Comprehensive Lung Pathology Interpretation [36.95302007351382]
  PulmoFoundation(プルモファウンデーション)は、肺病理の総合的評価のための、RCT(RCT)評価基礎モデルである。 本モデルでは, 生検, 凍結部, 外科的切除スライスを対象とし, コア診断タスクにおける臨床成績を評価する。
  論文  参考訳（メタデータ） (2026-05-25T14:04:56Z)
• TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
  コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
  論文  参考訳（メタデータ） (2026-05-15T19:23:35Z)
• Predicting Response to Neoadjuvant Chemotherapy in Ovarian Cancer from CT Baseline Using Multi-Loss Deep Learning [3.7830216516108646]
  ネオアジュバント化学療法に対する非反応剤の早期同定は重要なアンメットの必要性である。 本研究は, 術前造影CTを用いた非侵襲的深層学習フレームワークを提案する。 訓練は、分類損失と教師付きコントラスト正則化とハードネガティブマイニングを組み合わせることで、曖昧な応答者と非応答者の分離を改善する。
  論文  参考訳（メタデータ） (2026-05-14T15:53:57Z)
• A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
  a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。 臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
  論文  参考訳（メタデータ） (2026-05-06T07:44:39Z)
• AMO-ENE: Attention-based Multi-Omics Fusion Model for Outcome Prediction in Extra Nodal Extension and HPV-associated Oropharyngeal Cancer [1.425627770914466]
  ヒトパピローマウイルス(HPV)関連口腔咽頭癌(OPC)における経鼻延長(ENE)は出現する予後因子である 我々は,CT画像と臨床データを用いた完全自動エンドツーエンドパイプラインを提案し,結節ENEの状態を評価し,治療成績を予測する。
  論文  参考訳（メタデータ） (2026-04-10T12:50:57Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
  MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。 パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-05-23T14:40:09Z)
• 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)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)

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。