← 返回首頁

AI從腦瘤影像提煉「花椰菜徵象」,百例外部測試取得初步驗證

把影像中的數字轉成醫師能辨認的線索,是醫療AI走向實用的一道關卡。新研究提出的花椰菜徵象,在區分膠質母細胞瘤與轉移瘤時呈現辨識能力,但距離改善臨床診斷仍有待驗證。

By SURL BioNews

腦瘤影像裡,一個能被辨認、描述與反覆檢驗的特徵,可能成為診斷線索。然而,電腦量出的形態數據,未必容易轉化成醫師看得懂的影像語言。一項新研究嘗試跨過這道門檻:讓AI從膠質母細胞瘤資料提出具名徵象,再交由放射科醫師在另一批腫瘤中測試。

這項研究於10月7日在《npj Digital Medicine》以通過同儕審查的早期版本發表。團隊建立代理式AI流程,將描述性統計分析、量化形態特徵的語意轉譯與視覺化串接起來,目的是讓數據成為可以用文字描述、供人辨認的影像徵象。

研究以106例幕上膠質母細胞瘤作為開發資料,產生八種候選徵象。其中,最穩定被提出的是「花椰菜」、「茄子」與「薄餅」徵象。這些名稱提供了容易記憶的表達方式,但命名只是起點;真正的考驗,是徵象離開原始資料後,能否幫助辨別不同腫瘤。

團隊選擇花椰菜徵象進行外部驗證,由兩名放射科醫師獨立評估另一組100例腫瘤,包括50例膠質母細胞瘤與50例轉移瘤。兩人的ROC曲線下面積(AUC)分別為0.73與0.77,95%信賴區間分別為0.64至0.82、0.69至0.85。AUC衡量的是區分兩類腫瘤的能力,不能直接解讀成73%或77%的診斷正確率。

這個結果支持花椰菜徵象具有初步辨識價值,也凸顯研究的特色:AI提出線索,人類醫師負責在外部病例中驗證。不過,外部驗證不等於臨床部署;100例、兩名判讀者的結果,也尚不足以回答它能否在不同醫院與日常病例組成下維持表現,或能為既有判讀增加多少幫助。

目前可核實的期刊摘要未交代花椰菜徵象的完整判讀定義,也未提供它改善診療流程或病人結果的證據。因此,這項成果較適合視為影像徵象發現方法的初步驗證。下一步的關鍵,是讓其他醫師能依同一套定義重現判讀,並檢驗這條新線索在實際照護中是否帶來額外價值。

References

  1. npj Digital Medicine