多模态卵巢癌风险评估模型

零漏诊的超声分诊

该模型将超声影像与临床数据结合，并引入不确定性量化，在快速分诊中确保极低漏诊的同时提升诊断精确度，是临床可用的卵巢癌风险评估工具。

Wang, Xiaodong · 吕小慧 · Wang, Jingwen · Zhao, Ruiyu · Zhao, Min · Zhang, Xinlei · Zhang, Jiahao · 艾丽蓉 · 王黎明 · 刘西洋 · 杨红

npj Digital Medicine 2025

参数信息

AUC（内部测试）
0.955
AUC（外部验证）
0.926
真阳性率（生理性囊肿）
68.7 %
真阳性率（良性肿瘤）
13.8 %
假阴性率
0
AUC 提升
10.58 %
灵敏度提升
22.48 %

技术优势

分诊零漏诊

系统能安全排除低风险病变，在内部测试中正确识别68.7%的生理性囊肿和13.8%的良性肿瘤为低风险，未出现假阴性。

诊断效能高

在内部测试和外部验证集上分别取得0.955和0.926的AUC，展示出可靠的泛化能力。

人机协作提升

以人类与AI协作工具使用时，放射科医师的平均AUC提升10.58%，灵敏度提升22.48%，可有效辅助医生决策。

应用场景