在初级黑色素瘤中通过深度学习卷积神经网络识别瘤透性淋巴细胞
Filippo Ugolini1, Francesco De Logu2, Luigi Francesco Iannone2
1Section of Pathological Anatomy, Department of Health Sciences, University of Florence, Florence, Italy.
The American journal of pathology
|September 21, 2023
概括
使用卷积神经网络 (CNN) 的人工智能 (AI) 准确评估原发性黑色素瘤 (PM) 中的瘤透淋巴细胞 (TIL). 这种基于人工智能的TIL分数是患者结果的可靠预后标记.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 黑色素瘤研究研究
背景情况:
- 瘤透淋巴细胞 (TIL) 是原发性黑色素瘤 (PM) 的关键预后指标.
- 与传统方法相比,对TILs的标准化评估具有挑战性.
- 数字病理学中的AI为自动化和标准化的TIL评估提供了潜力.
研究的目的:
- 开发和验证一种新的卷积神经网络 (CNN),用于PM中自动化TIL评估.
- 为预后评估建立基于AI的TIL密度指数 (AI-TIL).
- 将AI-TIL的性能与传统的TIL评估方法进行比较.
主要方法:
- 一个CNN在307个原发性黑色素瘤整体幻灯片图像 (WSIs) 上接受了培训和验证.
- 美国有线电视新闻网根据TILs的存在或不存在对瘤补丁进行分类,生成AI-TIL指数.
- 性能被评估在一个独立的测试集的特异性和灵敏度.
主要成果:
- CNN表现出高性能,在测试组上实现了100%的TIL识别特异性和灵敏性.
- AI-TIL指数与传统的TIL评估和患者临床结果有很强的相关性.
- 人工智能-TIL指数被确定为PM中有利结果的独立预后标志物.
结论:
- 完全自动化的AI-TIL评估优于传统方法来区分PM临床结果.
- 开发的AI-TIL指数作为一个强大的和独立的预后标记.
- 需要进一步的研究,以创建用户友好的工具,以临床整合AI-TIL评估.
