对前列腺癌检测算法和国际多机构验证研究和格里森分级

科学领域:

• 计算病理学计算病理学
• 人工智能在诊断中的应用
• 泌尿病理病理学 泌尿病理学

背景情况:

• 前列腺活检分析是劳动密集型的,涉及每个病例的许多幻灯片.
• 精确的前列腺癌 (PCA) 检测和格里森分级对于患者管理至关重要.
• 现有的诊断方法在效率和观察者之间的变化方面面临挑战.

研究的目的:

• 验证基于深度学习的人工智能 (AI) 工具,用于在活检样本中检测前列腺癌.
• 评估人工智能工具在前列腺癌格里森分级中的能力.
• 评估人工智能工具在各种外部队列和扫描平台上的性能.

主要方法:

• 五个外部队列的回顾性分析,包括5922个H&E染色的前列腺活检段 (来自423例的7473个核心).
• 人工智能工具对11名专家泌尿病学病理学家的小组进行了瘤检测准确性和格里森分级性能评估.
• 统计验证使用灵敏度,特异性,负预测值 (NPV) 和二次加权的kappa进行分级协议.

主要成果:

• PCA检测分类器表现出高准确度:敏感度 (0.971-1.000),特异性 (0.875-0.976) 和NPV (0.988-1.000) 在整个队列中.
• 人工智能工具在几个案例中发现了病理学家错过的瘤组织;错误的阳性结果主要涉及可疑的病变或模仿.
• 格里森对人工智能工具的评分协议与经验丰富的病理学家相比 (kappa 0.77/0.72单一, 0.903/0.855共识).

结论:

• 经过验证的AI工具在活检样本中对前列腺癌的检测具有很高的准确性,独立于研究所或扫描仪.
• 人工智能驱动的格里森评分表现与专家生殖尿道病理学家的表现相当.
• 这种深度学习分类器显示出在前列腺活检病理学工作流程中提高效率和一致性的巨大潜力.