跟大家分享一份之前的研究「Deep Learning to Detect Triangular Fibrocartilage Complex Injury in Wrist MRI: Retrospective Study with Internal and External Validation」，這個研究是我與三總醫師群一起合作的研究之一。藉此跟大家簡易分享應用AI進行醫療研究的流程。
為何要做這個研究
三角纖維軟骨複合體位置在哪裡
每當手腕處作扭轉動作感到疼痛不適時，當心！可能是所謂三角纖維軟骨複合體受傷了，三角纖維軟骨是手腕處的軟組織結構，是由韌帶群與軟骨組織共同彙集的複合體，而此複合體位於手腕關節的小指側，而它的作用主要是控制手腕關節轉動的滑順及穩定性，因此如有損傷會降低手腕關節處的穩定，進而導致手腕不適的感受。資料引用來源：網路
三角纖維軟骨複合體很重要
三角軟骨複合體（TFCC）是維持手掌兩個關節穩定性的重要結構，它允許腕部穩定運動和前臂旋轉[引用論文1, 2]。
MRI的功能
MRI 具備高解析度能力，可以透過影像呈現，將三角纖維軟骨複合體的位置清晰照出來[引用論文3]
用AI協助進行MRI影像判讀
AI可以幫助醫師進行快速的篩選，期待用更快速的方式降低患者的痛楚。
怎麼做這個研究
研究概念圖
研究概念圖
研究問題
使用深度學習預測患者MRI掃描中三角纖維軟骨復合體（TFCC）損傷的概率。
研究進行方式
- 我們採用回顧式研究法（Retrospective Method）
- 從教學醫院收集了332份顯示有或無三角纖維軟骨複合體（TFCC）損傷手部MRI影像。
- 運用了兩種卷積神經網絡，分別是MRNet和ResNet50框架進行深度學習模型的設計與訓練。
- 使用可解釋人工智能進行熱點分析。
- 最後使用包含12名TFCC損傷患者和38名健康受試者的MRI掃描的外部數據集來測試深度學習模型的精確程度。
研究數據
研究數據集
研究結果
ResNet模型的結果：
- AUC of 0.809 (95% confidence interval-CI: 0.670-0.947) for TFCC injury
- Accuracy75.6% (95% CI: 0.613-0.858)
- Sensitivity66.7% (95% CI: 0.438-0.837)
- Specificity 81.5% (95% CI: 0.633-0.918)
- F1 score of 0.686
MRNet 模型的結果：
AUC of 0.871 (95% CI: 0.747-0.995)
- Accuracy 90.7% (95% CI: 0.787-0.962)
- Sensitivity 88.2% (95% CI: 0.664-0.966)
- Specificity 92.3% (95% CI: 0.763-0.978)
- F1 score of 0.882
ROC曲線圖
簡單結論
兩相比較之下，MRNet 框架較能夠檢測TFCC損傷並協助醫師準確診斷。
資料來源：https://pubmed.ncbi.nlm.nih.gov/35887524/
歡迎各領域研究者，共同合作研究：
https://www.facebook.com/akousist
https://line.me/R/ti/p/@875lzikp
