620 人工智能提高浆液性输卵管上皮癌的诊断

引言/背景：人工智能（AI）模型在特定病理相关任务中获取高准确性的潜力近年来已变得明确。一个说明性例子是我们的深度学习模型，该模型经过训练，能够自动检测在输卵管标本中发现的浆液性输卵管上皮癌（STIC）。然而，在诊断环境中评估AI模型的真正价值，不仅仅需要评估其独立表现。因此，我们进行了一个读者研究，探讨该深度学习模型的集成如何影响病理学家在检测STIC时的诊断表现。方法论：来自11个国家的26名病理学家和病理住院医生参加了一个完全交叉的多读者多病例研究。该研究涉及对100张H&E染色的输卵管切片的审查，包括30个病例和70个对照。参与者在有AI协助和无AI协助的情况下检查了所有100张切片，期间设有洗脱期。通过混合模型分析评估深度学习模型对准确性、切片审查时间和感知诊断确定性的影响。结果：使用我们的AI模型显著提高了准确性，平均灵敏度从82%提高至93%。此外，读者每张切片的平均时间减少了44秒，相应地切片审查时间减少了32%。最后，参与者感知的确定性有明显提高，在10分制中增加了0.24分。结论：在26名病理学家和病理住院医生中，使用AI支持显著提高了STIC诊断的准确性，伴随着切片审查时间的显著减少。该AI模型有望为病理学家在STIC的诊断中提供宝贵的帮助，最终简化和优化STIC的整体诊断过程。披露：该项目得到了荷兰癌症协会（KWF）的资助，项目编号为12950.