人工智能辅助检测转移性结肠直肠癌细胞在性液体中的检测

科学领域:

• 计算病理学计算病理学
• 人工智能在瘤学中的应用
• 细胞病理学诊断 细胞病理学诊断

背景情况:

• 瘤细胞学是检测腹腔转移性结肠直肠癌 (CRC) 的一个有价值的工具.
• 通过活检诊断腹膜转移性癌症是具有挑战性的,传统的瘤细胞学患有低灵敏度,特异性和高的观察者间变异性.
• 需要改进的诊断方法,以准确地识别炎液中的恶性细胞.

研究的目的:

• 开发和评估一种人工智能 (AI) 深层卷积神经网络,用于对转移性CRC的瘤细胞学图像中的良性和恶性细胞进行分类.
• 将人工智能算法的诊断性能与人类病理学家进行比较.
• 评估人工智能是否有助于提高病理学家的诊断准确性和敏感性.

主要方法:

• 一个深层卷积神经网络被训练和验证,使用一个大数据集的炎细胞学补丁图像 (56,560培训,7068验证).
• 人工智能模型在6534张补丁图像上进行了测试,其性能与使用1041张良性和转移性CRC补丁图像的病理学家进行了比较.
• 关键的性能指标包括精度,灵敏度和特异性,用于区分恶性与良性.

主要成果:

• 人工智能方法实现了高诊断性能,准确度为93.74%,灵敏度为87.76%,特异性为99.75%,用于区分恶性和良性.
• 由人工智能工具协助的病理学家显示出诊断准确度的提高,从86.8%增加到90.5%.
• 在人工智能协助下,病理学家的敏感度也从73.3%增加到79.3%,显示出显著的益处.

结论:

• 拟议的基于深度学习的AI方法显示出在瘤细胞学中准确分类恶性和良性细胞的强大潜力.
• 人工智能辅助显著提高了病理学家的诊断能力,特别是提高了转移性CRC检测的准确性和灵敏性.
• 这种人工智能方法提供了一种有价值的工具,以支持不同经验水平的病理学家在诊断转移性CRC时.