自我监督的人工智能预测诊断时原发性皮肤鳞状细胞癌的结果不佳
2025-02-16 01:51:02
本文讨论了一项使用自我监督的人工智能(AI)的研究,以预测诊断时原发性皮肤鳞状细胞癌的不良预后。这是要点和发现:要点:1。研究人员开发了一个AI系统,该系统可以分析皮肤癌活检的图像,而无需标记训练数据。2。使用自我监督的学习技术对AI模型进行了训练,从而使其可以从未标记的图像中学习。3。该研究涉及分析来自各个机构和国家的600多个活检样本。主要发现:1。AI系统在预测原发性皮肤鳞状细胞癌(CSCC)患者的预后差方面达到了很高的准确性。2。就预测能力而言,它表现优于传统的临床分期系统。3。该模型可以识别与人类病理学家不明显的CSCC肿瘤中与侵略性行为相关的特征。含义:1。这种AI方法可能会改善皮肤鳞状细胞癌患者的早期检测和风险分层。2。它突出了在医学成像应用中的自我监管学习技术的潜力,在医学成像应用中,大型标记数据集可能受到限制。3。发现,深度学习模型可以从组织病理学图像中提取预后信息,而无需大量的临床注释。限制:1。需要对更大,更多样化的患者人群进行验证。2。需要进一步的研究,以了解AI模型的预测与推动CSCC不良结果的特定生物学机制的关系。总体而言,这项工作证明了自我监督的深度学习方法的潜力,以改善皮肤癌病理学的预后评估,如果在常规护理环境中进行验证和实施,这可能具有重大的临床意义。