Zastosowanie i walidacja systemu głębokiego uczenia się opartego na smartfonach dla doustnych potencjalnie złośliwych zaburzeń i badań przesiewowych raka jamy ustnej

Tło:

Rak jamy ustnej pozostaje jedną z głównych przyczyn zgonów związanych z rakiem na Tajwanie i na całym świecie. Sztuczna inteligencja może poprawić badania przesiewowe w kierunku raka jamy ustnej, umożliwiając wczesne wykrywanie poprzez rozwiązanie problemów związanych z dostępem do opieki zdrowotnej za pomocą roztworów wysokiej jakości.

Cel:

Aby potwierdzić dokładność głębokiego uczenia się opartego na smartfonach dokładność wykrywania doustnych potencjalnie złośliwych zaburzeń (OPMD) i raka jamy ustnej, jednocześnie wykazując, że jest tak samo skuteczny, jak oceny przeprowadzone przez dentystów i nie certyfikowanych pracowników służby zdrowia.

Metody:

Projektowanie, ustawienie i uczestnicy: otwarte, trzyarkowe, randomizowane kontrolowane badanie odbędzie się w centrum medycznym w północnym Tajwanie między styczniem 2025 do grudnia 2025 r. W badaniu obejmie osoby w wieku 18 lat lub starszych, którzy odwiedzają centrum badań przesiewowych w zakresie badań przesiewowych. Czynniki ryzyka raka jamy ustnej, takie jak nawyki palenia lub żucie orzechów betelowych lub alkoholu, byłyby rejestrowane przez anonimowe kwestionariusze.

Interwencje: Kwalifikujący się pacjenci byliby losowo losowo w stosunku 1: 1: 1 przy użyciu algorytmu randomizacji generowanego komputerowo do systemu głębokiego uczenia się (ARM A) lub certyfikowanego dentysty z systemem głębokiego uczenia się (ARM B) lub niecertyfikowanymi świadczeniodawcami (lekarzom ogólnym) z systemem głębokim uczenia się (ARM C). System głębokiego uczenia się w ramieniu B i C byłby wykorzystywany tylko do późniejszego porównania i nie wspomagałby ręcznej interpretacji.

Główne wyniki i miary: głównym wynikiem jest wrażliwość i swoistość dla trzech gatunków skierowań (łagodnych (zielonych), potencjalnie złośliwych (żółtych) i złośliwych (czerwonych)) przez system głębokiego uczenia się, dentystów i nie-certyfikowanych pracowników służby zdrowia. Oblicz zostanie również obliczony obszar pod krzywą (AUC) dla każdej krzywej charakterystyki operacyjnej odbiornika (ROC). Wtórnym rezultatem jest informacja zwrotna podmiotu na temat wygodności podczas egzaminu i czas potrzebny do oceny.

Przewidywane wyniki:

Postawiamy hipotezę, że systemy głębokiego uczenia się będą miały większą wrażliwość w wykrywaniu OPMD i raka jamy ustnej, podczas gdy dentystowie i lekarze ogólni będą wykazywać większą specyficzność w badaniach przesiewowych. Wyniki mogą pomóc nam w zwiększeniu procesu promocji badań przesiewowych w kierunku raka jamy ustnej.