预审计的机器学习模型可以帮助准确诊断在资源有限的环境中的非甲状腺瘤皮肤癌|新闻
2025-04-27 22:05:00
在广泛的数据集上预测的人工智能模型在AACR年度会议上从数字图像中识别非甲状腺瘤皮肤癌(NMSC)的标准基线模型显着优于标准基线模型。研究人员认为,这些高级模型可以将基于机器学习的癌症诊断扩展到资源有限的设置,在这些环境中,专家病理学家很少。三种当代基础模型(PRISM,UNI和PROD GIGAPATH)校正在92.5%,91.3%和90.8%的病例中均可识别NMSC,而RESNET18的NMSC分别为80.5%,即使是简化的模型,也证明了实质性绩效的增长,即使需要更少的数据分析。该研究强调了缺乏专业医疗资源的领域的潜在好处,但在这种情况下提出了有关实际部署的问题。