从常规病理学幻灯片中预测心脏移植拒绝的预测,使用自我监督的深度学习
Tobias Paul Seraphin1,2, Mark Luedde3, Christoph Roderburg1
1Department of Gastroenterology, Hepatology and Infectious Diseases, University Hospital Duesseldorf, Medical Faculty at Heinrich-Heine-University, Moorenstr. 5, 40225 Dusseldorf, Germany.
European heart journal. Digital health
|June 2, 2023
概括
人工智能可以在心脏活检中检测细胞移植排斥. 这种深度学习模型有望提高从病理幻灯片诊断器官排斥的准确性和可重复性.
科学领域:
- 心脏病学 心脏病学
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 器官排斥是心脏移植后的一个主要并发症.
- 拒绝的准确诊断依赖于病理学家对内心肌瘤活检的解释.
- 计算机辅助诊断可以提高拒绝评估中的可重复性.
研究的目的:
- 评估使用深度学习来预测心脏移植病理幻灯片中细胞排斥的可行性.
- 评估人工智能模型与国际心脏和肺移植协会 (ISHLT) 评级系统的性能.
主要方法:
- 收集了来自325名心脏移植患者的1079张组织病理学幻灯片的数据集.
- 一个基于注意力的深度神经网络被训练来预测拒绝.
- 模型性能使用交叉验证和外部验证在三个队列中进行了评估.
主要成果:
- 人工智能模型在交叉验证中实现了0.849的接收器操作曲线 (AUROC) 下的平均面积,用于二进制拒绝预测.
- 外部验证 对于二进制预测的AUROCs范围从0.716到0.734.
- 预测ISHLT等级的AUROC不同,在特定类别中表现出色 (例如,在交叉验证中为2/3R的0.905).
- 人工智能预测是可解释的,并突出了相关的形态模式.
结论:
- 人工智能展示了从常规病理幻灯片中检测细胞移植排斥模式的能力.
- 开发的深度学习模型显示了协助诊断心脏移植排斥的潜力.
- 人工智能可以有效地分析组织病理学数据,即使在有限的患者队伍上接受培训.
