文献

J-GLOBAL ID：202202287847073600   整理番号：22A1174403

非黒色腫皮膚癌に対する機械学習の現状【JST・京大機械翻訳】

Current state of machine learning for non-melanoma skin cancer

著者 (3件)： Sharma Ajay Nair (Department of Dermatology, University of California, Irvine, Irvine, CA, USA) ,  Shwe Samantha (Department of Dermatology, University of California, Irvine, Irvine, CA, USA) ,  Mesinkovska Natasha Atanaskova (Department of Dermatology, University of California, Irvine, Irvine, CA, USA)
資料名： Archives of Dermatological Research  (Archives of Dermatological Research)
巻： 314  号： 4  ページ： 325-327  発行年： 2022年 
JST資料番号： W4055A  ISSN： 1432-069X  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 背景:機械学習(ML)は,主に黒色腫の皮膚癌スクリーニング,非メラノーマ皮膚癌(NMSC)のためにますます利用されている。目的:本研究は,NMSCスクリーニングにおけるこれらの技術の成功の最初の定量的レビューを提示する。方法:一次文献検索は,PubMed,MEDLINE,およびarXivを用いて行い,ML技術とNMSCスクリーニングを含むすべての論文を捉えた。結果:NMSCの診断におけるMLアルゴリズムの平均感度が89.2%(n=52,95%信頼区間(CI)87.0~91.3),平均特異度が81.1%(n=44,95%CI74.5~87.8)で,定量的分析には52の論文が含まれた。”結果]NMSCの診断において,平均感度が89.2%(n=52,95%信頼区間(CI)87.0~91.3),平均特異度が81.1%(n=44,95%CI74.5~87.8)であった。研究はさらに皮膚癌タイプ,アルゴリズムタイプ,診断金標準,データセットソース,およびデータセットサイズによってグループ化された。結論:MLアルゴリズムが,BCCまたはSCCのどちらかに対しダーモスコピーを用いた訓練された皮膚科医よりNMSCスクリーニングで優れていると結論する証拠が不十分である。本レビューに含まれる研究がin silicoで行われたことを考えると,皮膚科におけるNMSCスクリーニングアルゴリズムの役割をさらに解明するために,ランダム化臨床試験の形式での更なる研究が必要である。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, 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： アルゴリズム ,  金 ,  顕微鏡観察 ,  定量的分析 ,  MEDLINE ,  スクリーニング ,  *黒色腫 ,  *皮膚腫瘍 ,  画像診断 ,  *機械学習 ,  ランダム化比較試験
準シソーラス用語： ダーモスコピー ,  一次文献 ,  皮膚科医 ,  特異度 ,  *非黒色腫皮膚がん , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  機械学習 ,  深層学習 ,  非黒色腫皮膚癌 ,  基底細胞癌 ,  扁平上皮癌

分類 (2件)： 皮膚の腫よう  (GF04000X) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (3件)： 非黒色腫皮膚癌 ,  機械学習 ,  現状