肺癌人工智能细胞病理诊断系统的研发及诊断价值探讨

摘要

背景 传统细胞病理诊断肺癌虽具有优势，但受医师主观经验和工作负荷影响较大。以深度学习算法模型为代表的新一代人工智能，能够自动提取和归纳医学图像中的特征，在智能诊断中展现出显著优势。目的 结合人工智能和数字病理学新技术，研发适用于肺癌的人工智能细胞病理诊断系统并对其诊断价值进行评价。方法 选取解放军总医院第一医学中心2021年5月—2023年7月临床拟诊肺癌患者533例，其中最终病理确诊肺癌354例(包括腺癌98例、鳞癌140例、小细胞癌116例)，非肺癌179例。将选取病例的气管镜活检标本及胸腔积液标本进行涂片、染色、扫描。使用随机选取的340例样本(肺癌病例229例和非肺癌病例111例)的数字病理切片分别对备选的检测模型和分类模型进行训练、验证及测试，根据测试结果，择优选取YOLO v7检测模型及Vision Transformer分类模型为基本架构初步建立肺癌人工智能细胞病理诊断系统。利用训练过的人工智能细胞病理诊断系统对剩下的193例未经训练的样本进行诊断测试，以病理学诊断结果为标准比较判读结果。结果 本研究研发的人工智能细胞病理诊断系统在肺癌诊断中的准确率为91.2%(176/193)，敏感度为98.4%(123/125)，特异度为77.9%(53/68)，阳性预测值为89.1%(123/138)，阴性预测值为96.4%(53/55),Youden指数为0.763,Kappa值为0.798。结论 人工智能细胞病理诊断系统对肺癌的诊断敏感度和准确率均较高，可有效提高肺癌诊断效率，但该系统仍需进一步优化，从而提高诊断特异度。

关键词

人工智能 / 深度学习 / 肺癌 / 细胞病理 / 诊断