一种基于人工智能的新方法,在尿癌中自动识别淋巴血管侵袭
Bogdan Ceachi1,2,3, Mirela Cioplea1,2, Petronel Mustatea2,4
1Department of Pathology, Colentina University Hospital, 21 Stefan Cel Mare Str., Sector 2, 020125 Bucharest, Romania.
Diagnostics (Basel, Switzerland)
|February 24, 2024
概括
一个人工智能工具在H&E幻灯片上准确地识别出尿路癌 (UC) 中的淋巴血管侵袭 (LVI),表现优于人类病理学家. 这种自动化方法为UC标本中LVI检测提供了有价值的诊断辅助.
科学领域:
- 尿路病理学 尿路病理学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 尿路癌 (UC) 中的淋巴血管侵入 (LVI) 是一个关键的预后指标.
- 在常规的血素-氨酸 (H&E) 片上识别LVI对病理学家来说是一项挑战.
- 免疫组织化学虽然有效,但对于例行LVI查来说,它不具有成本或时间效率.
研究的目的:
- 开发和验证基于人工智能的自动化方法,用于在UC中检测LVI.
- 将AI模型的性能与人类病理学家在H&E幻灯片上的评估进行比较.
- 建立一个高效和准确的工具,用于在尿路癌的LVI识别.
主要方法:
- 使用从UC患者扫描的H&E幻灯片上的pixel-per-pixel语义细分的AI模型的开发.
- 训练InternImage模型以识别LVI类.
- 使用两组患者进行验证,将AI性能 (迪斯系数,交叉对联) 与病理学家的评估 (特异性,敏感性,准确性,F1得分) 进行比较.
主要成果:
- 人工智能模型在LVI检测方面实现了0.77的子系数和0.52的交叉-超过-联盟.
- 人类病理学家对H&E幻灯片的评估显示,与AI模型相比,H&E幻灯片的性能明显较低 (F1得分为0.55).
- 基于人工智能的方法在H&E染色的幻灯片上概述LVI方面表现出卓越的有效性.
结论:
- 开发的AI模型有效地识别了H&E幻灯片上的尿路癌的淋巴血管入侵.
- 这种自动化方法在LVI检测准确度方面明显优于人类病理学家.
- 这种人工智能工具代表了病理学家在诊断尿癌方面的宝贵进步.
