支气管膜洗作为人工智能集成的候选者:使用传统细胞学涂抹对差异细胞计数和戈尔德评分的洞察
Josua Schaefer1, Fabienne Hagmann2, Stefan Reinhard2
1Institute of Tissue Medicine and Pathology, University of Bern, Bern, Switzerland, josua.schaefer@students.unibe.ch.
Acta cytologica
|November 4, 2025
Insights
人工智能算法在分析支气管支气管洗 (BAL) 样本方面表现有前途,改善细胞计数的准确性和Golde评分用于肺部疾病诊断. 这种数字细胞学方法与手工方法相比,减少了变异性.
科学领域:
- 数字细胞学数字细胞学
- 人工智能在诊断中的应用
- 肺部医学 肺部医学
背景情况:
- 支气管支气管洗 (BAL) 对于诊断肺部疾病至关重要.
- 在BAL中手动计数细胞容易出现错误和变化.
- 评估含铁的巨细胞 (黄金分数) 是一个关键的诊断指标.
研究的目的:
- 开发和验证人工智能算法,用于在BAL.AL中进行自动细胞计数.
- 为了评估AI在计算Golde分数的准确性.
- 为了提高诊断准确度和减少BAL分析中的观察者间变异性.
主要方法:
- 在Hemacolor,Papanicolaou和铁染色BAL涂抹的内部数据集上训练AI算法.
- 在独立的染色幻灯片组上验证AI性能.
- 将人工智能衍生细胞计数和戈尔德得分与手动细胞学评估进行比较.
主要成果:
- 人工智能算法证明,在染色方法中,大多数细胞类型的手动计数与人工计数的相关性相当或很好.
- 对于巨细胞和中性粒细胞,观察到高精度.
- 自动化Golde分数计算显示,与手动评估的平均偏差为19点.
结论:
- 人工智能支持的方法在诊断细胞学中提供了准确的BAL分析的潜力.
- 这项研究强调了人工智能在细胞识别和戈尔德分数计算方面的好处.
- 建议进行进一步的研究,以将数字细胞学纳入传统涂抹的临床实践.
抽象的
No abstract available in PubMed .
