肺脂肪栓塞的诊断策略基于使用计算病理学的常规H&E染色
Dechan Li1,2, Ji Zhang2, Wenqing Guo2,3
1Department of Forensic Medicine, Guizhou Medical University, Guiyang, China.
International journal of legal medicine
|November 24, 2023
概括
使用深度学习的计算病理学精确地量化了H&E染色幻灯片中的肺脂肪栓塞 (PFE). 这种人工智能方法为法医PFE病例提供了一个快速,负担得起和准确的诊断工具.
科学领域:
- 法医病理学 法医病理学
- 计算病理学计算病理学
- 数字病理学数字病理学
- 人工智能的人工智能
背景情况:
- 肺脂肪栓塞 (PFE) 是创伤病例中死亡的重要原因.
- 传统的PFE诊断依赖于主观方法和专门的染料 (例如,油红色O).
- 需要对PFE有客观,定量和可访问的诊断方法.
研究的目的:
- 开发和验证一种计算病理学方法,用于精确量化肺组织中的脂肪栓塞.
- 利用深度学习算法用于用于PFE诊断的常规血素-素 (H&E) 染色幻灯片.
- 建立致命PFE的客观诊断值.
主要方法:
- 数字病理学被用来分析整个幻灯片图像.
- 开发了深度学习算法,以识别和量化肺微血管中的脂肪滴形态.
- 人工智能定量结果与传统方法 (法尔齐评分,油红色O染色) 相比较.
主要成果:
- 深度学习在识别脂肪栓塞形态方面实现了高精度 (AUC为0.98).
- 人工智能量化的脂肪球体与使用油红色O的手动评分有很好的相关性.
- 确定的诊断值为8.275%的相对脂肪栓塞量,导致致命的PFE诊断的AUC为0.984.
结论:
- 计算病理学,使用H&E幻灯片上的深度学习,为诊断致命PFE提供了精确和客观的方法.
- 这种人工智能驱动的方法超越了传统的H&E染色,并且在精度上与特殊染色相竞争.
- 该方法为法医病理学提供了一个潜在的负担得起的,快速和高度准确的诊断解决方案.
