评估胃癌风险的人工智能:使用深度学习算法可靠检测和评分肠道转化
Mai Iwaya1, Yuichiro Hayashi2, Yasuhiro Sakai3
1Department of Laboratory Medicine, Shinshu University Hospital, Nagano, Japan; Japanese Society of Pathology, Tokyo, Japan.
Gastrointestinal endoscopy
|July 1, 2023
概括
使用ResNet50的人工智能 (AI) 系统在胃活检中准确评估肠道代谢 (IM),有助于胃癌 (GC) 风险评估. 这种人工智能工具提高了诊断准确度和分期的一致性,这对于预测GC风险至关重要.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 胃肠道病理 胃肠道病理
背景情况:
- 胃癌 (GC) 风险与慢性胃炎和肠道转化症 (IM) 有关.
- 胃肠代谢成形评估 (OLGIM) 系统的操作链接根据IM严重程度分级GC风险.
- 准确的IM评分需要大量的专业知识,这对常规的病理学工作流程构成了挑战.
研究的目的:
- 开发和评估人工智能 (AI) 系统,用于在胃活检中进行自动化IM评估.
- 与专家病理学家相比,确定AI系统在IM严重程度分类方面的准确性.
- 评估AI系统对使用OLGIM系统标准化GC风险分层的潜在贡献.
主要方法:
- 一个深度卷积神经网络 (DCNN) 模型,ResNet50,被训练在5753个血素和素染色的胃活检图像上.
- 图像被病理学家标记为IM分数 (0-3).
- 使用ResNet50模型对IM的存在和严重程度进行图像分类.
主要成果:
- ResNet50模型在与IM和没有IM的图像分类方面实现了高精度 (97.7%的灵敏度,94.6%的特异性).
- 人工智能系统在区分低 (0-1) 和高 (2-3) IM分数 (98.5%的灵敏度,94.9%的特异性) 中表现出强的表现.
- 人工智能和病理学家得分之间的差异仅发生在7.6%的病例中,人工智能识别了人类审查中遗漏的微妙IM焦点.
结论:
- 开发的AI系统显示了在胃活检中对IM进行准确,可靠和可重复的评估的巨大潜力.
- 这种人工智能工具可以帮助全球标准化GC风险评估,特别是OLGIM分期.
- 人工智能系统为病理学家提供了有价值的辅助,增强了IM的检测,并改善了GC风险分层.
