AI CADe 息肉检测器泛化至新国家的非凡有效性

$\textbf{背景与目的}$：人工智能（AI）计算机辅助检测（CADe）常用于息肉检测，但临床环境中的数据可能与模型训练数据不同。很少有研究评估 CADe 检测器在训练期间未见过的国家结肠镜检查中的表现，且在不收集昂贵且耗时的标签的情况下，均无法评估其性能。$\textbf{方法}$：我们在以色列结肠镜检查视频（5004 个视频，1106 小时）上训练了一个 CADe 息肉检测器，并通过测量真阳性率（TPR）与每分钟误报率（FAPM）的关系，在日本视频（354 个视频，128 小时）上进行了评估。我们引入了一种称为“掩码医学嵌入距离”（MACE）的结肠镜检查差异度量，以在无标签的情况下量化结肠镜检查之间的差异。我们在所有日本视频以及具有最高 MACE 的视频上评估了 CADe。$\textbf{结果}$：MACE 正确量化了窄带成像（NBI）和色素内镜（CE）帧与以色列数据的相似度低于日本白光帧（自助法 z 检验，两者 |z| > 690，p < $10^{-8}$）。尽管数据存在差异，在无需额外训练的情况下，CADe 在日本结肠镜检查上的表现并不劣于以色列（0.5 FAPM 下的 TPR：以色列和日本分别为 0.957 和 0.972；1.0 FAPM 下的 TPR：以色列和日本分别为 0.972 和 0.989；优效性检验 t > 45.2，p < $10^{-8}$）。尽管未在 NBI 或 CE 上进行训练，但这些子集上的 TPR 并不劣于日本整体（非劣效性检验 t > 47.3，p < $10^{-8}$，两者 $\delta$ = 1.5%）。$\textbf{结论}$：阻碍 CADe 检测器在非医疗环境中良好表现的数据差异，并未降低我们的 AI CADe 息肉检测器应用于新国家数据时的性能。MACE 可以通过识别最“不相似”的数据来评估模型，从而帮助医疗 AI 模型实现国际化。