一个完全自动化的人工智能系统,以协助病理学家的诊断,从数字化尿细胞学幻灯片预测组织学上高度泌尿腺癌,使用深度学习

科学领域:

• 尿瘤学 尿瘤学
• 数字病理学数字病理学
• 医学中的人工智能.

背景情况:

• 尿细胞学是尿癌的宝贵查工具,但敏感性有限.
• 人工智能 (AI) 已经成为增强图像分析准确性的强大技术.

研究的目的:

• 开发一个全自动化的人工智能系统,用于协助病理学家从数字化尿细胞学幻灯片中对高度泌尿腺癌 (HGUC) 的组织学预测.

主要方法:

• 数字化了535张尿细胞学幻灯片,用于AI开发和测试.
• 使用细胞级和幻灯片级分类来识别HGUC.
• 将HGUC的AI预测与膀活检和尿道切除样本的组织学发现进行比较.

主要成果:

• 人工智能实现了0.78曲线下的面积,用于预测HGUC.
• 在组织学HGUC预测方面,AI敏感性 (63%) 比病理学家 (46%) 高得多 (p=0.0037).
• 人工智能保持了与病理学家相比的特异性 (83%对89%) 和准确性 (74%对68%).

结论:

• 开发了一个全自动化的AI系统,以帮助病理学家从数字化尿细胞学幻灯片中诊断HGUC.
• 与董事会认证的细胞病理学家相比,人工智能系统表现出更高的灵敏度.
• 这种人工智能工具有可能帮助病理学家,减少他们的工作量,提高诊断准确性.