从H&E使用AI进行淋巴瘤分类,以改善临床管理

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 在瘤学瘤学.

背景情况:

• 常规的淋巴瘤诊断涉及淋巴结活检的手动分拣,导致延迟和过度转诊.
• 目前的分拣方法给专门的血液病理学服务带来了巨大的负担.

研究的目的:

• 开发和评估用于淋巴结活检分类的自动化人工智能 (AI) 系统.
• 提高淋巴瘤病例转诊的准确性和速度,减少诊断延迟和不必要的转诊.

主要方法:

• 来自两个医院的H&E染色淋巴结全幻灯片图像 (WSI) 的回顾数据集被利用.
• 数据集包括毛囊淋巴瘤,扩散性大B细胞淋巴瘤,经典霍奇金淋巴瘤和反应性对照.
• 在80%的数据上训练了一种机器学习模型,对10%的数据进行验证,并对剩余的10%进行测试.

主要成果:

• 在分辨反应性病例和恶性病例方面,AI分拣系统实现了0.828的多类准确率和0.932的整体准确率.
• 人工智能的淋巴瘤检测能力相当于两名血液病理学家,优于非专业病理学家.
• 人工智能工具包含不确定性估计和注意力热图,以提高可解释性.

结论:

• 人工智能驱动的自动分组显示出对准确和及时的淋巴瘤诊断有很大的潜力.
• 这项技术可以增强患者护理,提高诊断工作流程的效率.
• 人工智能工具可以帮助减少病理学服务的负担,并优化转诊途径.