术中区分淋巴瘤的深度学习模型

术中快速精准鉴别

针对原发性中枢神经系统淋巴瘤与胶质瘤的术中鉴别难题，该模型在冰冻切片上实现了高准确区分，并可通过人机融合进一步提升诊断性能。

Xinke, Zhang · Zhao, Zihan · 王瑞轩 · Haohua, Chen · Zheng, Xueyi · Lili, Liu · Lan, Lilong · Li, Peng · Shuyang, Wu · 曹清华 · Rongzhen, Luo · Hu, Wanming · Shanshan, lyu · Zhengyu, Zhang · 谢丹 · 冶亚平 · 王钰 · 蔡木炎

Nature Communications 2024

参数信息

AUROC（区分PCNSL与胶质瘤）
0.965
AUROC（区分PCNSL与胶质瘤）
0.972

技术优势

区分准确率高

模型在外部验证队列中区分淋巴瘤与胶质瘤的AUROC达到0.965和0.972，区分淋巴瘤与非淋巴瘤病灶的AUROC达到0.981和0.993，性能可靠。

超越病理学家

模型的表现优于多位不同经验的病理学家，且人机融合可进一步提升诊断性能，减少主观差异。

人机融合增效

结合模型与病理医生诊断的人机融合方法可进一步提高诊断准确性，为临床应用提供了可行路径。

应用场景