用于冷解病理学的机器学习预测了2021年世界卫生组织对质瘤的分类
MacLean P Nasrallah1, Junhan Zhao2, Cheng Che Tsai2
1Department of Pathology and Laboratory Medicine, Perelman School of Medicine at the University of Pennsylvania, Philadelphia, PA 19104, USA.
Med (New York, N.Y.)
|July 8, 2023
概括
一个新的AI工具CHARM准确地分析了结晶切割幻灯片以诊断质瘤,识别恶性细胞和分子特征. 这项技术支持不断发展的诊断标准,并民主化准确的诊断,以改善患者护理.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 神经瘤学神经瘤学
背景情况:
- 术内冷切割评估对于质瘤手术至关重要,但面临着手工制品和不断变化的分子诊断标准的挑战.
- 2021年世卫组织中枢神经系统瘤分类整合了分子概况,需要先进的诊断工具,而不仅仅是冷切割的视觉评估.
研究的目的:
- 开发和验证机器学习模型CHARM,用于分析质瘤患者的冷解剖组织病理学.
- 解决传统冷剖析分析的局限性,并支持新的基于分子的诊断标准.
主要方法:
- 开发了基于上下文的冷切割组织病理学评估和审查机器 (CHARM),使用了来自1524名质瘤患者的数据.
- 系统地分析冷切割幻灯片以识别恶性细胞,区分IDH突变与野生类型瘤,并分类质瘤类型.
主要成果:
- 在识别恶性细胞 (AUROC=0.98) 和分类质瘤类型 (AUROC=0.88-0.93) 方面,CHARM实现了高准确度.
- 该模型成功地将IDH突变与野生类型瘤区分开来 (AUROC=0.79-0.82),并确定了与低级质瘤相关的特定遗传变异.
- 在分类IDH突变瘤亚型方面,CHARM表现强 (AUROC=0.89-0.97).
结论:
- CHARM适应了不断变化的诊断标准,包括质瘤的分子信息.
- 人工智能工具为手术内冷切割诊断提供实时临床决策支持.
- 这种方法有可能使基于冷切割的精确质瘤诊断实现民主化.
关键词:
2021年世卫组织对质瘤的分类基础研究 基础研究人工智能的人工智能是人工智能.情境感知神经网络的情境感知神经网络.冰冷切割的方法是什么数字病理学数字病理学可以解释的机器学习.在手术内进行诊断.分子亚型 分子亚型更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
09:09Laser Capture Microdissection of Glioma Subregions for Spatial and Molecular Characterization of Intratumoral Heterogeneity, Oncostreams, and Invasion
Published on: April 12, 2020
6.9K
