基于电子鼻咽喉镜图像的头颈恶性肿瘤人工智能辅助诊断模型
核心概要
该研究回顾性收集五个医疗中心3 255例受试者的23 434张电子鼻咽喉镜图像（含15 465张喉镜与7 969张鼻咽镜图像），开发了头颈肿瘤智能诊断模型WSC-T，在喉及下咽癌诊断中内部与外部测试准确率为94.89%和91.04%、AUC为0.98和0.97，在鼻咽癌诊断中准确率为96.27%和92.31%、AUC为0.98和0.97，并与未引入对比学习的有监督学习模型进行比较，同时构建了可实现图像上传、自动分析与诊断结果输出的云端诊断平台。
深度剖析
研究构建了名为WSC-T的头颈肿瘤智能诊断模型，用于识别鼻咽、喉及下咽恶性病变。 相对既往工作，该模型同时覆盖喉及下咽癌与鼻咽癌两类诊断任务，并基于电子鼻咽喉镜图像这一临床常用检查模态。 基于五个医疗中心回顾性收集的3 255例受试者、23 434张图像（15 465张喉镜、7 969张鼻咽镜）开发，并在内部与外部测试集上评估。
WSC-T在内部与外部测试集上均报告了较高的诊断准确率与AUC。 外部测试集结果提供了跨中心泛化能力的直接证据，而不只是单一中心的内部验证。 喉及下咽癌内部与外部准确率94.89%和91.04%、AUC 0.98和0.97；鼻咽癌准确率96.27%和92.31%、AUC 0.98和0.97。
研究将WSC-T与未引入对比学习的有监督学习模型进行了比较。 该比较用于说明对比学习组件在模型设计中的作用，而不仅是报告单一模型的绝对性能。 摘要中说明进行了该比较，但未给出对比的具体数值结果。
研究基于该模型构建了云端诊断平台，实现图像上传、自动分析及诊断结果输出。 把模型能力封装为可操作的云端流程，为智能诊断模型的实际应用提供了便捷实现方式。 摘要报告平台已成功建立并具备上述功能，属于对临床应用可行性的初步探索。
启示与展望
该研究面向基于电子鼻咽喉镜图像的头颈恶性肿瘤（鼻咽癌、喉及下咽癌）辅助诊断场景，数据为回顾性收集，来自五个医疗中心，模型输出为图像层面的诊断结果，并通过云端平台实现图像上传、自动分析与结果输出。其结论适用于摘要所描述的内部与外部测试集评估设置，以及初步的临床应用可行性探索。
摘要未提供对比学习模型与有监督学习模型比较的具体数值，也未说明内部与外部测试集的划分方式、受试者层面的统计口径、图像质量与采集设备差异的处理方式，以及云端平台在实际临床流程中的使用条件与验证情况；这些内容需查阅原文的方法与结果细节。