基于人工智能的工具用于瘤检测和结肠直肠样本中的定量组织分析

科学领域:

• 计算病理学计算病理学
• 医学中的人工智能
• 数字诊断数字诊断的使用.

背景情况:

• 数字病理学使常规病理学任务的计算算法成为可能.
• 准确的组织细分和瘤检测对于结直肠癌的诊断和治疗至关重要.

研究的目的:

• 开发和临床验证一种临床级人工智能 (AI) 工具,用于在结直肠样本中精确的多类组织细分.
• 验证人工智能工具用于在结直肠活检标本中检测瘤.

主要方法:

• 在241个手动注释的全幻灯片图像 (WSI) 上训练了一个语义细分算法,用于11个组织类.
• 开发了一个用于活检WSI分类的额外模块.
• 在四个国家的五个病理学部门的六个外部病例队伍上使用各种扫描系统验证了AI工具.

主要成果:

• 在组织细分方面获得了多类复合子得分,高达0.895.
• 显示的像素智能瘤检测特异性和灵敏度分别高达0.958和0.987.
• 临床验证显示,人工智能工具在活检WSIs中检测瘤的灵敏度为1.0,特异性高达0.969,分析时间不到每例1分钟.

结论:

• 开发并验证了一种高度准确的临床级AI工具,用于结直肠样本的辅助诊断处理.
• 该工具可以对结直肠癌组织进行定量解密,以开发生物标志物和个性化瘤护理.
• 开源的注释数据集对结直肠癌计算病理学领域做出了重大贡献.