H&Eで染み付いたスライドのみに基づいたWHO 2021年AI駆動のグリオマ分類

科学分野:

• 病理学における人工知能
• デジタル病理学
• 腫瘍診断

背景:

• 世界保健機関 (WHO) の2021年の成人の拡散性膠原腫の分類は,組織学と分子プロファイリングを統合しています.
• 分子プロファイリングはしばしば高価で,時間がかかり,診断の遅延や"別途指定されていない" (NOS) 分類につながる可能性があります.
• この研究は,AI主導の分類方法を開発することで,よりアクセシブルな診断アプローチの必要性を解決します.

研究 の 目的:

• ヘマトキシリンとエオシン (H&E) の全スライド画像 (WSI) のみを使用して成人の拡散性膠腫を分類するための人工知能 (AI) パイプラインの開発と検証.
• 膠原腫の診断における分子プロファイルの必要性を回避し,それによって臨床的意思決定を加速させる.

主な方法:

• 多機関データセット (TCGA-GBM/TCGA-LGG,EBRAINS,IPD-Brain) は,WHO 2021年ガイドラインに従って再分類されました.
• 8つの病理基礎モデル (FMs),9つの集積方法 (AMs),および15つの拡大レベル組み合わせを用いて,事前処理されたWSIの定量ベンチマークが実施された.
• 異なる形態学的特徴を特定するために,ヒートマップを使用してモデルの解釈性を評価した.

主要な成果:

• 基礎モデル,集積方法,およびマルチ拡大の最適な組み合わせにより,曲線下の面積 (AUC) のスコアは97.95% (トレーニング),96.30% (EBRAINS),および92.61% (IPD-Brain) であった.
• ドメイン特有の基盤モデルは,一般的な ImageNet ベースのモデルを上回った.
• 多重拡大の融合により 性能が著しく向上しました

結論:

• H&E WSIsからの直接のAI駆動のグリオマ分類は,分子プロファイリングの代わりとなり,診断と治療計画を加速させることができます.
• 発見は,デジタル病理学の先端の,ドメイン特有の基礎モデルと適応可能なスライドレベルの集積技術の開発をサポートします.