人工智能算法准确评估转移性乳腺癌细胞学标本中的雌激素受体免疫组织化学:一项试点研究

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能
• 细胞病理学 细胞病理学

背景情况:

• 雌激素受体 (ER) 免疫组织化学 (IHC) 对于乳腺癌的诊断和治疗至关重要.
• 人工智能 (AI) 算法已经在手术病理学中成功分析整个幻灯片图像 (WSIs).
• 人工智能在细胞学样本中分析ER IHC的有效性尚未完全确定.

研究的目的:

• 评估Visiopharm AI算法在细胞学样本中的ER IHC分析的有效性.
• 将人工智能生成的ER分数与病理学家手动共识分数进行比较.
• 识别和解决AI和病理学家评估之间不一致的来源.

主要方法:

• 分析了105个转移性乳腺癌细胞学标本的队列.
• 在ER IHC WSIs中,使用Visiopharm AI平台进行了处理.
• 人工智能得分与手动病理学家的共识得分进行了比较,并实施了优化步骤.

主要成果:

• 在AI和病理学家得分之间观察到出色的整体一致性 (94.3%).
• 六个不一致的病例包括错误的阴性 (由于囊细胞,弱染色) 和错误的阳性 (色素巨细胞).
• 皮尔森相关系数为0.8483;优化提高了准确性.

结论:

• 维西奥法姆人工智能算法在乳腺癌细胞学中的ER状态与病理学家的高度一致性.
• 人工智能算法准确地区分ER阳性和ER阴性细胞学病例.
• 需要进行改进,以提高AI在细胞学样本中识别瘤细胞的精度.