深度学习检测在淋巴结中的黑色素瘤转移

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 医疗成像医学成像

背景情况:

• 哨兵淋巴结 (SLN) 活检通过检测淋巴结转移来确定黑色素瘤的阶段至关重要.
• 对于病理学家来说,SLN的组织病理学分析是耗时的.
• 人工智能 (AI) 越来越多地用于临床病理学.

研究的目的:

• 开发和评估一种深度学习算法,用于检测SLN组织学部分中的黑色素瘤转移.
• 通过突出潜在的转移来帮助病理学家,减少对免疫组织化学的依赖.

主要方法:

• 一个多中心的研究建立了一个深度学习方法在常规的SLN组织学部分.
• 该算法经过训练,可以在没有补充染色的情况下识别黑色素瘤转移.

主要成果:

• 人工智能方法在检测不同测试群体的转移中获得了高精度 (AUC 0.9630,0.9856).
• 该算法准确地根据大小 (>0.1毫米,0.1-1.0毫米,>1.0毫米) 识别和分类瘤沉积物.

结论:

• 基于AI的SLN黑色素瘤转移的检测显示了常规病理学工作流程的巨大潜力.
• 未来的人工智能研究可能会识别出新的生物标志物,以改善预后和治疗预测.