文献

J-GLOBAL ID：202202244795605153   整理番号：22A0448401

胃消化管間質腫瘍の悪性度の予測における人工知能の使用【JST・京大機械翻訳】

Use of Artificial Intelligence in the Prediction of Malignant Potential of Gastric Gastrointestinal Stromal Tumors

著者 (6件)： Seven Gulseren (Division of Gastroenterology, Bezmialem University School of Medicine, Fatih, Istanbul, Turkey) ,  Silahtaroglu Gokhan (Management Information Systems Department, School of Business and Management Science, Istanbul Medipol University, Istanbul, Turkey) ,  Kochan Koray (Division of Gastroenterology, Bezmialem University School of Medicine, Fatih, Istanbul, Turkey) ,  Ince Ali Tuzun (Division of Gastroenterology, Bezmialem University School of Medicine, Fatih, Istanbul, Turkey) ,  Arici Dilek Sema (Division of Pathology, Bezmialem University School of Medicine, Istanbul, Turkey) ,  Senturk Hakan (Division of Gastroenterology, Bezmialem University School of Medicine, Fatih, Istanbul, Turkey)
資料名： Digestive Diseases and Sciences  (Digestive Diseases and Sciences)
巻： 67  号： 1  ページ： 273-281  発行年： 2022年 
JST資料番号： A0919B  ISSN： 0163-2116  CODEN： DDSCD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 背景と目的:この研究は,内視鏡超音波(EUS)画像を用い,深部学習アルゴリズムを介しAIが胃消化管間質腫瘍(GIST)の悪性能を予想できるかを検討した。方法:胃GISTのための外科的切除の前にEUSを受けた一連の患者を含めた。55の遡及的に含まれている患者からのGISTの合計685の画像を,AIシステムのための訓練データセットとして使用した。畳込みニューラルネットワークを構築し,深層学習モデルを構築した。合成少数オーバーサンプリング技術を適用した後,発生画像の70%をAI訓練に用い,30%をAI診断試験に用いた。次に,GIST患者15名の153EUS画像を用いて検証を行った。加えて,訓練コホートの55人の患者の従来のEUS特徴を評価し,GISTと有糸分裂インデックスの悪性の可能性を予測した。結果:悪性リスクを予測するためのAIシステムの全体の感度,特異性,および精度は,訓練データセットで83%,94%,および82%であり,検証コホートでそれぞれ75%,73%,および66%であった。患者を低リスク群と高リスク群に分類した場合,感度,特異性,および精度は訓練データセットで99%,検証コホートで99.7%,および99.6%に増加した。従来のEUS特徴は,悪性電位または有糸分裂指数(P>0.05)とは関連しなかった。結論:EUS画像を用いた深層学習アルゴリズムによるAIは,高い精度で胃GISTの悪性の可能性を予測することができた。グラフは,グラフィCopyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 超音波 ,  電位 ,  有糸分裂 ,  *人工知能 ,  母集団 ,  深層 ,  人工知能システム ,  学習アルゴリズム
準シソーラス用語： オーバサンプリング ,  訓練データ ,  *悪性度 ,  特異性 ,  *消化管間質腫瘍 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工知能 ,  消化管間質腫瘍 ,  有糸分裂指数 ,  リスク分類

分類 (2件)： 消化器の腫よう  (GH04000D) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： 胃消化管間質腫瘍 ,  悪性度 ,  予測 ,  人工知能