全スライドエッジトモグラフィーによる臨床レベルの自律的な細胞病理学

科学分野:

• 細胞病理学と人工知能について
• デジタル病理学と医療イメージング
• 腫瘍学とがん診断 腫瘍学とがん診断

背景:

• 細胞病理学は,がんの早期発見に不可欠ですが,主観的な解釈に苦しんでおり,診断の精度を制限しています.
• 細胞病理学の現在のAIシステムは補助的なもので,人間の監督を必要とし,完全に自律的で臨床的な性能を達成することはできません.
• 既存の診断方法は,広範な癌のスクリーニングのための一貫性,速度,およびスケーラビリティの課題に直面しています.

研究 の 目的:

• エンドツーエンドの自動化のための臨床グレードの自律的な細胞病理学パイプラインの開発と評価.
• 細胞病理学の診断の正確性と一貫性を向上させるためのAI駆動システムのパフォーマンスを評価する.
• ルーティン,スケーラブル,そして客観的な細胞学的診断のための基盤を確立する.

主な方法:

• 高解像度,リアルタイム光学全スライドトモグラフィの統合と自動分析のためのエッジコンピューティング.
• ストレージを簡素化し,AI主導の分析を加速するために,ローカライズされたデータ圧縮の実装.
• 視力トランスフォーマーモデルを使用して,細胞レベルの分類と全人口の形態学的プロファイリングを行いました.

主要な成果:

• AIモデルは,様々な子宮頸部病変を検出するために,単細胞レベルでROC曲線下面積 (AUC) >0.99を達成しました.
• 多センター評価では,スライドレベルの高いAUC値 (0.86-0.91 for LSIL+, 0.89-0.97 for HSIL+) を示した.
• LSIL数値はHPV陽性と相関し,HSIL数値は診断重度によってスケールされ,臨床的関連性を検証しました.

結論:

• 開発された自律的な細胞病理学パイプラインは,イメージングの速度,品質,およびデータ量において実用的なパフォーマンスを提供します.
• このシステムは,自律的なトリアージ・サイトロジーを可能にし,客観的でスケーラブルな癌診断の基盤を提供します.
• このAI主導のアプローチは,マニュアル解釈の限界に対処し,細胞病理学の診断の正確性と一貫性を大幅に高めます.