用于术中识别癌症转移的深度学习系统开发
图像与视频处理
2023-06-21 v1 计算机视觉与模式识别
机器学习
摘要
对于若干癌症患者，以治愈为目的的手术切除最终可能导致癌症早期复发。当前围手术期癌症分期的局限性，尤其是可见转移的术中误判，很可能是导致这些患者接受不必要手术干预的主要原因。在此，我们评估人工智能(AI)系统能否改进对胃肠道恶性肿瘤患者常规分期腹腔镜图像中腹膜表面转移的识别。在一个评估活检腹膜病灶的模拟环境中，一个原型深度学习手术引导系统在识别腹膜表面转移方面优于肿瘤外科医生。在该环境下，与当前标准实践相比，所开发的AI模型本可将转移识别率提高5%，同时将不必要的活检数量减少28%。在评估非活检腹膜病灶时，研究结果支持这样一种可能性：该AI系统能够识别出在临床实践中被误判为良性的腹膜表面转移。我们的发现证明了AI系统用于术中识别腹膜表面转移的技术可行性，但需要在多机构临床环境中进行未来评估。
引用
@article{arxiv.2306.10380,
title = {Development of a Deep Learning System for Intra-Operative Identification of Cancer Metastases},
author = {Thomas Schnelldorfer and Janil Castro and Atoussa Goldar-Najafi and Liping Liu},
journal= {arXiv preprint arXiv:2306.10380},
year = {2023}
}
备注
14 pages