一个人工智能驱动的PD-L1综合阳性得分 (CPS) 分析器在尿路细胞癌中缓解了观察者间和站点间的变化

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能的人工智能

背景情况:

• 针对PD-L1的免疫检查点抑制剂在尿路细胞癌 (UC) 中表现有前途.
• 综合阳性得分 (CPS) 量化了PD-L1 22C3的表达,但面临着病理学家间的变化.
• 变化源于评估免疫和瘤细胞的阳性.

研究的目的:

• 开发和验证一个人工智能驱动的工具来量化PD-L1表达在UC.
• 评估人工智能工具在PD-L1综合阳性评分 (CPS) 评估中提高一致性的能力.
• 评估人工智能工具对病理学家间协议的影响,特别是在多机构环境中.

主要方法:

• 开发了一种AI PD-L1 CPS分析仪,使用来自400个UC整片图像的1,275,907个细胞和6175.42mm2的病理学家注释的组织.
• 在来自三个机构的543个UC PD-L1 22C3案例上验证了AI模型.
• 病理学家在人工智能协助下重新评估了差异情况,并比较了同意率.

主要成果:

• 人工智能模型实现了89.5%的协议,两名或更多病理学家的共识.
• 在使用AI作为指南后,病理学家的同意率从82.1%增加到93.9%.
• 人工智能工具缓解了与医院来源,样本类型,T阶段,组织学和PD-L1细胞类型相关的不一致性.

结论:

• 人工智能模型可以在量化PD-L1 22C3 CPS时显著减少病理学家间的差异.
• 人工智能工具对于提高远程病理学和多机构研究的一致性特别有价值.
• 这种人工智能解决方案提高了尿癌中PD-L1生物标志物评估的可靠性.