Real-time detection of High-Risk Laryngeal Lesions using Laryngoscopic Image-Based AI-Assisted Triage: A Comparative Study of Multiple Vision Foundation Models
本研究表明，基于 DINOv2 视觉基础模型的 AI 模型在对喉镜图像中的高风险喉部病变进行分层方面实现了高准确率，并显著提升了不同经验水平医师的诊断性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人类的声音是一种脆弱的乐器，而喉头（即发声器）则是构建这一乐器的场所。当喉咙内部的娇嫩组织出现异常增生时，区分无害的炎症与危险的癌症是耳鼻喉科专家最关键的任务之一。这一决策通常依赖于通过鼻腔置入的软性摄像头来观察声带，这一过程被称为喉镜检查。虽然这些图像揭示了喉咙的物理状态，但早期癌症的视觉特征与息肉或囊肿等良性病变非常相似。在繁忙的诊室里，医生必须在几秒钟内决定患者是需要立即进行活检、手术评估，还是仅仅进行观察等待。这种高风险的判断非常困难，其结果往往取决于医生的经验、图像的质量以及组织表面变化的细微程度。
为了应对这一挑战，来自南京和约翰斯·霍普金斯大学医院的研究团队开发了一种新型人工智能，旨在为这些专家提供“第二双眼睛”。该系统的设计初衷并非取代医生，而是帮助对患者进行风险分类，标记出具有最高危险病变可能性的患者。研究人员利用数千张真实的喉镜图像训练了这个计算机系统，教会它识别区分高风险组织与低风险组织的特定视觉模式。他们不仅构建了一个模型，还测试了十一种不同的底层计算机架构，比较了每种架构从数据中学习的效果。他们发现，一个在经过大规模通用图像库预训练后又针对喉部进行专业化处理的模型表现最为出色。这个“基础模型”能够将注意力集中在声带的关键区域，忽略背景噪音，并精准锁定组织本身的纹理与颜色。
当研究人员在从未见过的图像上测试该系统时，结果显示出惊人的一致性。在一组内部测试图像中，该人工智能正确识别高风险病例的准确率达到了96.0%。更重要的是，当系统在使用了不同设备和照明条件的两个不同医院的图像进行测试时，它依然保持了高水平的表现，准确率分别为96.7%和95.5%。这表明该系统足够稳健，能够在现实世界的诊所中运行，而不只是在构建它的受控环境中。研究人员还探索了这项技术如何应用于实时视频（这也是医生实际检查患者的方式）。他们开发了一种方法，能够自动从视频流中挑选出最清晰的帧，并仅聚焦于声带，同时剔除模糊或无关的部分。这种基于视频的方法提高了风险评估的准确性，证明了该系统能够应对现场检查的动态特性。
然而，任何医疗工具真正的考验在于它如何帮助使用者。为了了解这一点，研究人员邀请了十名不同经验水平的医生，先独立评审120张图像，随后在人工智能的辅助下进行评审。结果显示，人工智能对所有人都有帮助，但对经验较少的医生帮助最大。当初级医生使用该人工智能时，他们的准确率提升了四个百分点，这一显著的飞跃使他们的表现更接近资深专家。此外，该系统还帮助医生更快地做出决策，缩短了处理每张图像的时间。这表明该技术充当了一个强大的“平衡器”，提供了一致且高质量的支持，帮助经验不足的临床医生做出更安全、更自信的决策。
该研究并未声称已经解决了喉癌诊断的问题，也没有暗示人工智能应该取代人类的判断。相反，研究结果表明，精心设计的人工智能可以作为一种可靠的分诊工具，有助于确保高风险患者被迅速识别，并避免良性病例接受不必要的医疗程序。研究人员指出，尽管该系统表现良好，但它是基于特定的图像集进行测试的，仍需在更大规模的真实临床环境中进行进一步研究，以确认其长期效用。尽管如此，这项工作证明了现代计算机视觉在应用得当且经过严格测试的情况下，可以学会识别人类喉咙中疾病的细微征兆，为站在患者与健康之间的医生提供一层新的支持。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。