目的 建立一种皮肤肿瘤人工智能(AI)病理诊断模型并评估其诊断效能.方法 选择2种皮肤常见肿瘤鲍温病和脂溢性角化病(SK)作为目标疾病,通过人工标注组织病理H-E切片中的病变区域,为AI提供训练集和验证集.采用AI中基于深度学习的两阶段诊断框架(patch诊断和slide诊断)对此进行综合判断,从而建立相应疾病的诊断模型.选择未经标注病变区域的组织病理H-E切片为AI提供测试集,验证该诊断模型的准确度,运用ROC曲线评价其诊断和鉴别诊断效能.结果 第一阶段patch诊断中,Efficientnet_b6模型在patch特征分类上效果更佳,训练集和验证集的灵敏度分别达到94.67％(6680/7056)和95.79％(751/784).在第二阶段slide诊断中,半结构化数据模型(SSDM)在patch特征聚合方面效果更佳,其训练集特异度为95.00％(6703/7056),验证集特异度为95.28％(747/784);而金融服务数据模型(FSDM)的训练集特异度为91.16％(6432/7056),验证集特异度为82.78％(649/784).将两阶段诊断模型应用在测试集中,鲍温病和SK的测试准确度分别为92.65％(63/68)和99.21％(126/127).绘制两阶段诊断模型诊断鲍温病和SK的ROC曲线,AUC值分别为0.97826和0.98698;使用微平均、宏平均2种方式绘制总体ROC曲线,AUC值分别为0.98989和0.98354.结论 本研究提出的AI两阶段诊断

作者：陈虎艳；李晓鹏；李乔；王朵勤；徐金华；吕传峰；南洋；陈连军

来源：第二军医大学学报 2021 年 42卷 3期