肺腺癌亚型的标准化分类和通过深度学习提高分级评估
Kris Lami1, Noriaki Ota2, Shinsuke Yamaoka2
1Department of Pathology Informatics, Nagasaki University Graduate School of Biomedical Sciences, Nagasaki, Japan.
The American journal of pathology
|August 6, 2023
概括
人工智能模型能够准确地区分肺腺癌 (LADC) 亚型,并预测存活率,提高诊断准确度. 这些深度学习工具有助于病理学家在常规LADC分级中获得更好的患者预后.
科学领域:
- 病理学 病理学 病理学
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 肺腺癌 (LADC) 亚型的组织病理学区分具有很高的观察者间变异性.
- 这种变化可能会影响患者预后的准确评估.
研究的目的:
- 开发卷积神经网络 (CNN) 来区分LADC亚型.
- 使用人工智能,根据LADC瘤等级预测疾病特异性生存率.
主要方法:
- 在共识LADC基因病理图像上训练了两个深度学习模型 (AI-1,AI-2).
- 在133名患者的独立队列上验证了模型,以预测八个LADC类和生存率.
主要成果:
- 在大多数LADC类中,模型的精度,回忆和F1得分超过0.90.
- 人工智能模型表明,对于疾病特异性生存预测,LADC等级的明显分层 (P < 0.002).
- 在引导样本中观察到高稳定性和危险比率的低变化.
结论:
- 训练有素的CNN可以提高诊断准确度,并完善LADC等级评估.
- 人工智能模型在临床实践中对LADC亚型和等级的常规评估具有前景.
- 人工智能工具可以帮助病理学家,改善患者护理和预后评估.
