全スライドヒストロジーのソーリアーシスとエクゼマの視力トランスフォーマーベースの診断

科学分野:

• コンピューティング病理学
• 皮膚科学における人工知能
• ヒストパトロジー画像分析画像分析

背景:

• 牛皮病と湿疹は,重複する組織病理学的特徴を持つ慢性炎症性皮膚疾患です.
• 経験豊富な皮膚病理学者にさえも,診断の不確実性は頻繁に発生します.
• 適切な患者管理には,正確な差別化が不可欠です.

研究 の 目的:

• デジタル化されたヒト病理学スライドを使用して,牛皮と湿疹を分類するためのコンピュータ支援診断フレームワークを開発し,評価する.
• 複数のインスタンス学習 (MIL) と組み合わせた全スライド画像で事前に訓練された基礎モデルを活用する.
• ベースラインモデルと人間の専門家パフォーマンスと比較してパフォーマンスを評価する.

主な方法:

• Virchow 財団モデルと MIL (Virchow + CLAM) を組み合わせたフレームワークが開発されました.
• モデルは,内部および外部コホートにおけるヒト病理学スライドで訓練され,検証されました.
• 性能は,精度,F1スコア,AUCを使用して評価され,ベースラインのCNNと皮膚病理学者の読者と比較されました.

主要な成果:

• Virchow + CLAMフレームワークは,外部コホートで85%の精度,0.80のF1スコア,および0.81のAUCを達成しました.
• これは,ベースラインのコンボリューションニューラルネットワーク (61%の精度) とMILのないモデル (68.8%の精度) を大幅に上回った.
• AIモデルのパフォーマンスは,平均的な個々の皮膚病理学者の精度 (47.570.0%) と多数投票コンセンサス (62.5%) を上回りました.

結論:

• MILと組み合わせたドメイン固有の基礎モデルでは,困難な炎症性皮膚病を分類する大きな可能性が示されています.
• 開発されたフレームワークは,コンピュータ支援皮膚病理学の有望な方法論的概念証明を提供します.
• 臨床的な展開には向いていないが,この研究は,ヒト病理学的診断を支援するAIの能力を強調している.