Bruksområde og validering av et smarttelefonbasert dypt læringssystem for muntlig potensielt ondartede lidelser og oral kreftscreening

Bakgrunn:

Oral kreft er fortsatt en av de viktigste årsakene til kreftrelaterte dødsfall i Taiwan og over hele verden. Kunstig intelligens har potensialet til å forbedre screening av oral kreft, noe som muliggjør tidlig oppdagelse ved å løse problemer med helsetjenester med høykvalitets løsninger.

Objektiv:

For å validere det smarttelefonbaserte dype læringssystemets nøyaktighet i å oppdage muntlige potensielt ondartede lidelser (OPMD) og oral kreft, samtidig som det demonstrerer det er like effektivt som vurderinger utført av tannleger og ikke-sertifiserte helsepersonell.

Metoder:

Design, innstilling og deltakere: En åpen, tre-arm, randomisert kontrollert studie vil bli gjort i et medisinsk senter i Nord-Taiwan mellom januar 2025 til desember 2025. Forsøket vil omfatte personer i alderen 18 år eller eldre som besøker kreftscreeningssenteret for alle slags screening. Risikofaktorer for oral kreft, for eksempel vaner med røyking eller å ha tygget betelnøtt eller alkoholdrikking, ville bli registrert av anonyme spørreskjemaer.

Intervensjoner: Kvalifiserte forsøkspersoner vil bli randomisert i et forhold på 1: 1: 1 ved bruk av en datamaskingenerert randomiseringsalgoritme til dypt læringssystem (ARM A) eller styresertifisert tannlege med dypt læringssystem (ARM B) eller ikke-sertifiserte helsepersonell (generelle utøvere) med dypt læringssystem (ARM C). Det dype læringssystemet i arm B og C vil bare bli brukt til påfølgende sammenligning og ville ikke hjelpe manuell tolkning.

Hovedresultater og tiltak: Det primære utfallet er følsomheten og spesifisiteten for de tre henvisningskarakterene (godartet (grønn), potensielt ondartet (gul) og ondartet (rød)) av det dype læringssystemet, tannleger og ikke-sertifiserte helsepersonell. Området under kurven (AUC) for hver mottakerens driftskarakteristikk (ROC) -kurve vil også bli beregnet. Det sekundære utfallet er forsøkspersonenes tilbakemelding av komfort under eksamen og tiden som trengs for vurdering.

Forventede resultater:

Vi antar at dype læringssystemer vil ha høyere følsomhet i å oppdage OPMD og oral kreft, mens tannleger og allmennleger vil utvise høyere spesifisitet i screening. Resultatene kan hjelpe oss med å styrke den orale kreftscreeningsprosessen.