在胰腺管道腺癌中使用人工智能检测周围神经侵入
Sarah Borsekofsky1, Shlomo Tsuriel1, Rami R Hagege1
1Institute of Pathology, Tel-Aviv Sourasky Medical Center, 6 Weizmann Street, 6423906, Tel Aviv, Israel.
Scientific reports
|August 21, 2023
概括
一个新的算法通过分析瘤与神经的近距离,准确地检测胰腺管腺癌 (PDAC) 中的周围神经侵入 (PNI). 这种工具提高了诊断效率,并提高了PNI检测率,从而改善了患者的预后.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算病理学计算病理学
背景情况:
- 周围神经侵入 (PNI) 是胰腺管腺癌 (PDAC) 的关键预后因素,表明残留瘤的风险更高.
- 在PDAC管理中,PNI越来越被认为是潜在的治疗点.
- 准确有效地识别PNI对于临床决策和患者的治疗结果至关重要.
研究的目的:
- 开发和验证一种用于在PDAC标本中自动检测PNI的新型算法.
- 与传统方法相比,提高PNI识别的准确性和效率.
- 创建一个工具,帮助病理学家确定PNI.关注的领域.
主要方法:
- 使用PDAC病例中神经和瘤的260个手动细分的高清图像开发算法.
- 分析性能评估与168个额外的图像.
- 使用59例PDAC病例进行临床验证,包括瘤神经距离指标.
主要成果:
- 该算法在神经检测方面达到88%的灵敏度,在瘤检测方面达到54%的灵敏度,其特异性分别为78%和85%.
- 在临床病例中,瘤神经距离分析的整合将PNI检测率从52%提高到81%.
- 病理学家审查时间显著减少,平均每例仅为24秒.
结论:
- 开发的算法准确有效地识别了PDAC中的PNI,即使训练数据集有限.
- 这个计算工具模仿了病理学家的决策过程,改善了诊断工作流程.
- 该算法显示了增强PNI检测和提高PDAC的预后准确性的潜力.
