人工智能可以在马森染色下准确地区分IgA脏病与糖尿病脏病,并成为病理学家的重要助手

科学领域:

• 病理学和计算病理学.
• 人工智能在医学诊断中的应用.

背景情况:

• 通过光显微镜单独区分IgA脏病 (IgAN) 和糖尿病脏病 (DN) 是具有挑战性的,因为类似的间性增生症.
• 人工智能 (AI) 越来越多地用于病理学,但其在病理学中的应用是新生的.

研究的目的:

• 开发和评估一种人工智能模型,使用马森染色脏活检图像来区分IGAN和DN.
• 评估AI模型的诊断准确性,并将其性能与病理学家进行比较.

主要方法:

• 来自Igan和DN患者的脏活检图像的数据集被策划并分为训练和测试集.
• 处理了全粒细胞的整个幻灯片图像 (WSIs),并应用了数据增强.
• 采用Yolov5算法来训练AI模型,然后对病理学家的诊断进行测试.

主要成果:

• 人工智能模型在球体检测方面取得了高精度 (98.67%).
• 人工智能模型在区分Igan (77.27%) 和DN (69.59%) 中显示了73.24%的整体准确性,Igan的AUC为0.733和DN的0.627.
• 与病理学家相比,AI显示IGAN与DN的分化速度更快,更准确,一致性更高.

结论:

• 使用马森染色图像的AI模型可以有效地区分Igan和DN.
• 开发的AI模型已成功集成,以协助病理学家进行诊断和教学.