人工智能在软组织瘤二元分类中的实用性
Jing Di1, Caylin Hickey1, Cody Bumgardner1
1University of Kentucky College of Medicine, Lexington, KY, United States.
Journal of pathology informatics
|March 18, 2024
概括
人工智能 (AI) 和机器学习可以帮助分类软组织瘤 (STT). 这项研究探讨了AI.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 机器学习在瘤学中
背景情况:
- 软组织瘤 (STTs) 由于稀有性和重叠形态而存在诊断挑战.
- 准确地区分良性和恶性性传播感染是治疗规划的关键.
- 现有的诊断方法可能很困难,需要先进的工具.
研究的目的:
- 调查人工智能 (AI) 和机器学习 (ML) 在分类STT中的实用性.
- 为了评估整个幻灯片图像 (WSIs) 和细胞特异性参数用于瘤分类.
- 评估ML模型的诊断性能,以区分良性与恶性STT.
主要方法:
- 病理学家审查了100个全幻灯片图像 (WSIs) 的STTs.
- 图像分析软件 (QuPath) 在95个STT病例中确定了细胞特异性参数.
- 机器学习 (Scikit-learn) 模型在195个STT案例中进行了训练和验证.
主要成果:
- 病理学家与参考诊断的一致性为WSIs的70.4%.
- 重要的细胞特异性参数包括细胞数和细胞核/细胞面积比.
- ML模型实现了~70%的灵敏度和特异性,AUC为0.68.
结论:
- 人工智能和WSI分析显示,有可能提高软组织病理学的诊断准确性.
- 确定细胞特异性参数可以帮助区分良性和恶性性传播性病.
- 人工智能可以作为增强病理学家诊断能力的辅助工具.
