Model AI Ensembel untuk Mendiagnosis Kanker Ovarium

Model ensembel AI mengintegrasikan variabel klinis, O-RADS, dan radiomik untuk diagnosis kanker ovarium, meningkatkan akurasi diagnosis sonografer hingga 11%. Penelitian ini oleh Yimin Wu menunjukkan potensi besar AI dalam diagnosis kanker melalui ultrasound transvaginal.

Model ensembel AI yang menggabungkan variabel klinis, O-RADS, dan radiomik pembelajaran mendalam dapat membantu dalam mendiagnosis tumor ovarium. Penelitian yang dipimpin oleh Yimin Wu dari Universitas Normal China Timur menunjukkan akurasi tinggi serta peningkatan keterampilan sonografer antara 7,7% hingga 11%.

Model ini berpotensi meningkatkan akurasi diagnosis kanker ovarium praoperatif dan konsistensi diagnosis oleh sonografer. Penelitian ini menunjukkan bahwa metode ultrasound transvaginal (TVUS) merupakan modality utama dengan O-RADS sebagai alat stratifikasi risiko.

Tim peneliti menemukan jarang ada studi tentang model holistik yang mengintegrasikan faktor klinis, skor O-RADS, serta radiomik pembelajaran mendalam untuk stratifikasi risiko kanker ovarium. Mereka mengembangkan model ensembel berdasarkan data dari dua pusat medis dengan 413 pasien pada set pelatihan dan 177 pasien untuk validasi internal.

Validasi eksternal dilakukan dengan 312 pasien, menggabungkan 687 fitur radiomik. Model ini menunjukkan nilai tinggi di semua set berdasarkan metode least absolute shrinkage and selection operator (LASSO). Hasilnya, model ensembel mencapai AUC sebesar 0,97 dalam kelompok validasi internal dan eksternal.

AUC rata-rata sonografer meningkat 11% dalam set validasi internal dan 7,7% dalam set eksternal. Penulis menyatakan bahwa model ini menawarkan diagnosis kanker ovarium yang lebih efisien dan terjangkau serta dapat membantu keterampilan diagnostik sonografer bagian junior.

Mereka juga menyerukan penyelidikan lebih lanjut terkait efektivitas dan efisiensi biaya dari intervensi pelatihan yang dapat meningkatkan pemanfaatan model ini di berbagai pengaturan klinis.

Model ensembel AI menunjukkan potensi besar dalam meningkatkan akurasi diagnosis kanker ovarium dengan menggabungkan data klinis, O-RADS, dan radiomik pembelajaran mendalam. Penelitian ini memperlihatkan peningkatan kemampuan sonografer dan nilai diagnostik yang lebih baik, serta memerlukan studi lanjutan untuk mengeksplorasi strategi pelatihan yang lebih efektif.

Sumber Asli: www.auntminnie.com