使用人工智能对CD138免疫组织化学上的血细胞量化新技术的评估
Ethan James Gantana1, Erica-Mari Nell1, Ernest Musekwa1
1Department of Haematology, National Health Laboratory Service Tygerberg Hospital and Stellenbosch University Faculty of Medicine and Health Sciences, Cape Town, South Africa.
International journal of laboratory hematology
|August 25, 2023
概括
使用QuPath软件的人工智能 (AI) 在骨髓活检中准确量化CD138阳性血细胞. 这种数字分析方法与手动计数和概述估计技术相比,显示出更高的性能.
科学领域:
- 血液学 血液学 血液学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 精确量化血细胞对于诊断血细胞瘤至关重要.
- 目前的方法,如骨髓活检的CD138染色,缺乏完全令人满意的参考标准.
- 之前的研究比较了手动概览估计 (方法A) 和面积计数 (方法B).
研究的目的:
- 评估使用人工智能 (AI) 来量化CD138阳性血细胞的新型数字分析方法 (C方法).
- 将人工智能驱动的数字分析与先前评估的手动方法 (A和B) 的性能进行比较.
- 评估AI方法的观察者内部和观察者间一致性.
主要方法:
- 使用了已存档的CD138染色骨髓特雷芬切片 (n=33).
- 采用QuPath开源软件,其正细胞检测功能用于数字分析.
- 使用一致性相关系数 (CCC) 评估观察者内部一致性,使用类内相关系数 (ICC) 评估观察者间一致性.
主要成果:
- 方法C显示了强烈的观察者内部一致性 (最低CCC=0.854).
- 对于C方法 (ICC=0.909和0.949) 观察者之间有很高的一致性.
- 与A方法 (ICC=0.793,0.713) 和B方法 (ICC=0.657,0.658) 相比,C方法的一致性显著更高.
结论:
- 使用QuPath进行人工智能驱动的数字分析是计数CD138阳性血细胞的成功和可靠方法.
- 这种人工智能方法超越了传统的手动计数和概述估计技术.
- 数字分析方法的优势在不同的瘤负载中是一致的.
更多相关视频
09:32Multiplexed Immunofluorescence Analysis and Quantification of Intratumoral PD-1+ Tim-3+ CD8+ T Cells
Published on: February 8, 2018
14.7K
09:58Quantitative Immunoblotting of Cell Lines as a Standard to Validate Immunofluorescence for Quantifying Biomarker Proteins in Routine Tissue Samples
Published on: January 7, 2019
8.8K
