基于图像的深度学习检测高等级B细胞淋巴瘤直接从血素和素图像
Chava Perry1,2, Orli Greenberg2,3, Shira Haberman1,2
1Hematology Division, Tel Aviv Sourasky Medical Center, Tel Aviv 6423906, Israel.
Cancers
|November 14, 2023
概括
一个新的AI工具从活检图像中准确诊断双重/三重击中淋巴瘤 (DHLs/THLs),显示出高灵敏度和特异性. 这种深度学习方法可以提高这些侵袭性血液恶性瘤的诊断速度和准确性.
科学领域:
- 计算病理学计算病理学
- 血液瘤学 血液瘤学
- 医学中的人工智能
背景情况:
- 深度学习 (DL) 对癌症诊断有希望,但其在血液恶性瘤中的应用有限.
- 准确和快速诊断双重/三重击中淋巴瘤 (DHLs/THLs) 对于有效的患者管理至关重要.
- 这些侵袭性淋巴瘤的特点是特定的基因重组 (MYC,BCL2,BCL6).
研究的目的:
- 开发和验证一种新的深度学习工具,用于从数字化活检幻灯片图像直接诊断DHLs/THLs.
- 与传统光现场混合 (FISH) 方法相比,评估这个人工智能工具的性能.
- 评估其作为选工具的潜力,以确定需要FISH分析的病例.
主要方法:
- 一个深度学习分类器 (DHL-classifier) 在57张活检幻灯片图像上进行了训练和验证.
- 培训组包括32次活检 (5例DHL),验证组包括25次活检 (10例DH/TH).
- 绩效与FISH结果进行了评估,计算了灵敏度,特异性,AUC和预测值.
主要成果:
- DHL分类器实现了100%的灵敏度,87%的特异性和0.95.9的AUC.
- 它作为查工具的预测值达92%,超过了当前的标准.
- 与FISH相比,只有两个虚假阳性病例被发现.
结论:
- 这项研究提供了使用人工智能的概念证明,用于识别淋巴瘤中的DH / TH事件.
- 开发的深度学习工具显示了改善DHL/THL诊断的潜力.
- 需要进一步的广泛研究来确认在不同人群中强度和性能.
