人工智能支持的图像分析：指标如何决定质量

越来越多的医学领域正在依赖人工智能(AI)的支持。对于基于图像数据评估的广泛问题尤其如此：例如，医生在乳房 X 光照片中搜索微小的癌症病灶，或根据 MRI 的断层扫描图像计算脑肿瘤的体积。

他们使用肠道内窥镜图像来追踪息肉，在评估显微组织切片时，必须检测单个细胞的细微变化。

但是用于这些不同类型的图像分析的算法真的总是适合手头的任务吗?这在很大程度上取决于它们记录了哪些测量变量(在技术术语中称为“指标”)，以及这些变量是否真正适合所讨论的任务。

“我们经常注意到，从临床角度来看，所使用的验证指标与任务完全无关，”DKFZ 的 Lena Maier-Hein 说道，并举了一个例子：“在寻找大脑中的转移灶时，最初更多的是重要的是，该算法甚至可以检测到最微小的病变，而不是能够高精度地定义每个单独转移瘤的轮廓。”

Lena Maier-Hein 和她的同事担心，使用不合适的验证指标会阻碍科学进步，并延迟将重要的图像分析方法引入临床实践。

但是，考虑到所有优点、缺点和局限性，哪些指标适合特定的临床问题呢?为了找到答案，DKFZ 数据科学家使用多阶段、结构化流程对来自全球 70 多个研究机构的学术界和工业界的意见领袖进行了调查。这项调查使他们能够收集以前只能在世界各地分散的地点获得的信息。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！