对于膀癌的数字病理学的人工智能:作还是希望? 一个系统的审查

科学领域:

• 数字病理学数字病理学
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 主观的病理评估阻碍了精确的膀癌 (BC) 诊断和预后预测.
• 计算病理学 (CPATH) 提出了一个客观的方法来识别临床结果预测因素.

研究的目的:

• 系统地审查和分析使用CPATH治疗膀癌的研究.
• 评估CPATH在改善BC诊断和预后预测方面的潜力.

主要方法:

• 对2285项已识别的研究进行了系统审查,分析了BCBC的33项相关CPATH研究.
• 在感兴趣的区域内分析图像特征,以区分组织类型,等级和阶段.
• 评价细胞核特征 (面积,形状不规则,圆度) 作为预后标记.

主要成果:

• CPATH准确区分正常与瘤组织,瘤等级/阶段和组织类型 (>80%的准确性).
• 区域,形状不规则性和圆度等核特征是复发和生存的强有力的预测因素.
• 当与临床病理学数据相结合时,CPATH确定了分子亚型,并改善了复发/生存预测.

结论:

• CPATH显示了改善膀癌诊断和预后的巨大潜力.
• 进一步的研究需要更强大的,可解释的模型和更大的,临床代表性的数据集,以确保可靠性和临床适用性.
• 解决AI的"黑子"挑战对于在瘤学中广泛采用CPATH至关重要.