Penelitian oleh Yimin Wu dan tim mengembangkan model AI yang menggabungkan variabel klinis, O-RADS, dan radiomik untuk diagnosis kanker ovarium. Model ini menunjukkan akurasi tinggi dengan meningkatkan kinerja sonografer, didukung oleh data dari dua pusat medis. Penelitian ini menawarkan peluang efisiensi dalam diagnosis dan menekankan perlunya pelatihan lebih lanjut untuk sonografer.
Model AI ensemble yang menggabungkan variabel klinis, O-RADS, dan radiomik pembelajaran mendalam dapat membantu dalam diagnosis tumor ovarium. Penelitian yang dipimpin oleh Yimin Wu dari Universitas Normal Tiongkok Timur ini menunjukkan bahwa model tersebut mencapai akurasi tinggi dan meningkatkan kinerja sonografer antara 7,7% hingga 11%.
Para peneliti menemukan bahwa model ensemble secara signifikan meningkatkan akurasi diagnosis kanker ovarium praoperatif serta kemampuan dan konsistensi diagnostik sonografer. Dengan menggunakan ultrasound transvaginal (TVUS) sebagai metode diagnosis utama, O-RADS membantu dalam stratifikasi risiko.
Penelitian ini menunjukkan bahwa sedikit studi yang menyelidiki potensi model holistik yang mengintegrasikan faktor klinis, skor O-RADS, dan radiomik pembelajaran mendalam. Wu dan rekan-rekannya mengembangkan model ensemble mereka sendiri, yang tidak hanya meliputi faktor-faktor tersebut tetapi juga berfokus pada peningkatan kinerja sonografer.
Model dibangun berdasarkan data dari dua pusat medis, satu untuk pelatihan dan validasi internal, dan satu untuk validasi eksternal. Set pelatihan melibatkan 413 pasien, sedangkan set validasi internal dan eksternal masing-masing melibatkan 177 dan 312 pasien, dengan 687 fitur radiomik. Metode LASSO menunjukkan bahwa model ini mencapai hasil tinggi di semua set tersebut, termasuk AUC 0.93 pada set pelatihan.
Model ensemble, yang menggabungkan fitur radiomik pembelajaran mendalam dengan karakteristik klinis dan penilaian O-RADS oleh sonografer, mencapai AUC 0.97. Rata-rata nilai AUC sonografer meningkat sebesar 11% di set validasi internal dan 7,7% di set validasi eksternal.
Penulis studi menekankan bahwa model mereka “menawarkan diagnosis kanker ovarium yang lebih efisien, hemat biaya, dan dapat dipahami.” Penelitian lebih lanjut disarankan untuk menjelajahi kelayakan, efektivitas, dan efisiensi biaya dari strategi pelatihan untuk sonografer baru.
Studi lengkap dapat diakses di situs yang terkait.
Model AI yang dikembangkan oleh Yimin Wu dan rekan-rekannya menunjukkan hasil akurat dalam diagnosis kanker ovarium dengan meningkatkan kinerja sonografer. Penelitian ini menyoroti integrasi faktor klinis dengan teknologi radiomik, menekankan pentingnya pelatihan lanjutan untuk meningkatkan kemampuan diagnosa di masa depan. Kendati temuan ini menjanjikan, penelitian lebih lanjut diperlukan untuk mengeksplorasi strategi pelatihan guna mengoptimalkan penggunaan model ini di berbagai pengaturan klinis.
Sumber Asli: www.auntminnie.com
