深度学习方法在诊断应用中已显示出优势,但是如何将其与专家常识和现有的临床决策方法最佳地结合仍具有挑战性。这个问题对于癌症的早期发现尤其重要,因为在这种情况下,大量工作流程可能会从(半)自动分析中受益。有鉴于此,英国剑桥大学的Florian Markowetz和Rebecca C. Fitzgerald等研究人员,揭示了深度学习barrett食管分诊诊断方法在食管腺癌早期诊断中的应用。
本文要点
1)研究人员研发了一个深度学习框架,用于分析Cytosponge-TFF3测试(内窥镜微创替代方法)样本,以检测Barrett食道,其是食道腺癌的主要前体。
2)研究人员对来自两项临床试验的数据进行了检测,并对其进行了独立验证,共分析了2,331名患者的4,662份病理切片。
3)该方法利用胃肠病理学家的决策模式来进行八种不同优先级的分类,以进行人工专家审查。通过在低优先级组中将手动检查替换为自动检查,该方法可减少病理医生57%的工作量,同时可与经验丰富病理医生的诊断相匹配。
参考文献:
Marcel Gehrung, et al. Triage-driven diagnosis of Barrett’s esophagus for early detection of esophageal adenocarcinoma using deep learning. Nature Medicine, 2021.
DOI:10.1038/s41591-021-01287-9
https://www.nature.com/articles/s41591-021-01287-9