视觉转换器用于乳腺癌人类表皮生长因子受体2表达阶段化没有免疫组织化学染色
Gelan Ayana1, Eonjin Lee2, Se-Woon Choe3
1Department of Medical IT Convergence Engineering, Kumoh National Institute of Technology, Gumi, Republic of Korea; School of Biomedical Engineering, Jimma University, Jimma, Ethiopia.
The American journal of pathology
|December 14, 2023
概括
这项研究引入了一种新的AI方法,使用视觉转换器,从标准的H&E图像中准确地将人类表皮生长因子受体2 (HER2) 表达在乳腺癌中的表达阶段化,降低成本并提高可访问性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 对人类表皮生长因子受体2 (HER2) 表达的精确分期对于有效的乳腺癌治疗至关重要.
- 目前的方法,如免疫组织化学是昂贵的,复杂的,耗时的.
- 需要更容易获得和更有效的HER2分期方法.
研究的目的:
- 开发和验证一个定制的视力转换器算法,用于在乳腺癌中分期HER2表达,仅使用血素和素 (H&E) 染色图像.
- 为HER2评估提供一种成本效益高且不那么复杂的替代品,而不是免疫组织化学染色.
- 改善在资源较少的环境中诊断的可访问性.
主要方法:
- 开发一个由三个模块组成的算法:用于定位的空间变压器,用于全球学习的视觉变压器,以及用于接近HER2表达水平的顺序损失.
- 利用定制的视觉转换器来分析H&E染色乳腺癌图像.
- 使用五重交叉验证和独立测试数据集验证了该方法.
主要成果:
- 拟议的算法在HER2表达阶段测定中实现了高性能,ROC曲线下的面积为0.9202 ± 0.01.
- 证明了强大的精度 (0.922 ± 0.01),灵敏度 (0.876 ± 0.01) 和特异性 (0.959 ± 0.02).
- 显著优于传统视觉变压器和最先进的卷积神经网络模型 (P < 0.001).
结论:
- 定制的视觉转换器可以使用单独的H&E图像准确地确定乳腺癌中HER2表达的阶段.
- 这种人工智能驱动的方法为免疫组织化学提供了一个可行的,具有成本效益的替代方案,提高了诊断的可访问性.
- 该方法在改善乳腺癌治疗和解决全球医疗保健差异方面具有重大潜力.
