文章介紹

詹雅婷醫師團隊想要發展一個人工智慧（AI）模型，利用影像組學（radiomics）和深度學習（DL）功能，從 CT 影像中區分良性和惡性卵巢腫瘤。

研究共納入 149 位經病理學確認的卵巢腫瘤患者，其中包括 185 個腫瘤，並以 7:3 比例將其分為訓練集和測試集。

所有腫瘤均從手術前的增強 CT 影像中手動分割。利用 radiomics 和 DL 方法提取 CT 影像特徵，建立五個不同組合特徵集的模型，並使用機器學習（ML）分類器，將良性和惡性腫瘤進行分類。在測試集中，將模型的性能與五名放射科醫生進行比較。

結果顯示，在五個模型中，表現最佳的是採用 radiomics、DL 和臨床特徵組合的集成模型。該模型達到 82％的準確度、89％的特異度和 68％的敏感度。

與資淺放射科醫生的平均結果相比，該模型具有更高的準確度（82％ vs 66％）和特異度（89％ vs 65％），敏感度差異不大（68％ vs 67％）。

在模型的幫助下，初級放射科醫生的平均準確度（81％ vs 66％）、特異度（80％ vs 65％）和敏感度（82％ vs 67％）均有所提高，接近於資深放射科醫生的表現。

詹雅婷醫師團隊開發的 AI，可以高度準確區分良性和惡性卵巢腫瘤。這個模型在卵巢腫瘤評估中，明顯提升了經驗較少的放射科醫生的能力，有助於指導婦科醫生為這些患者提供更好的治療策略。

恭喜詹醫師！

期刊介紹

Insights into Imaging 創刊於 2010 年，2021 年的 impact factor 為 5.036，在 Radiology, Nuclear Medicine & Medical Imaging 領域為 Q2(35/136) 期刊。