基于人工智能的评估PD-L1表达在扩散大B细胞淋巴瘤中的表达
Fang Yan1, Qian Da2, Hongmei Yi2
1Shanghai Artificial Intelligence Laboratory, Shanghai, China.
NPJ precision oncology
|March 28, 2024
概括
一种人工智能方法使用免疫组织化学量化了扩散性大B细胞淋巴瘤 (DLBCL) 中的PD-L1表达. 这种人工智能工具提高了DLBCL患者向免疫疗法开发的客观性和可解释性.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 医学成像分析 医学成像分析
背景情况:
- 扩散性大B细胞淋巴瘤 (DLBCL) 是一种具有攻击性的血液性恶性瘤.
- 免疫组织化学 (IHC) 对于DLBCL细胞的表征和治疗指导至关重要.
- PD-L1表达是预测免疫治疗反应的关键生物标志物.
研究的目的:
- 开发和验证基于人工智能的图像分析方法,用于量化DLBCL中的PD-L1表达.
- 评估AI在提高PD-L1评估的客观性和可解释性方面的实用性.
- 与病理学家相比,评估AI在分析细针活检和手术试样中的IHC幻灯片方面的表现.
主要方法:
- 在DLBCL IHC幻灯片中开发用于PD-L1评估的AI驱动图像分析工具.
- 5101个组织区域和146,439个细胞的大规模细胞注释.
- 在初级和验证队伍中验证AI方法,比较细针活检和手术试样的结果.
主要成果:
- 人工智能方法在定量PD-L1评估中表现出有效性,克服了细胞类型识别方面的挑战.
- 人工智能与病理学家之间,以及病理学家之间,与手术样本相比,细针活检数据的一致性更高.
- 人工智能支持的分析增强了PD-L1量化的客观性和可解释性.
结论:
- 基于人工智能的图像分析为DLBCL中的PD-L1量化提供了一个强大的方法.
- 这项技术有可能改善针对性免疫治疗的患者选择.
- 人工智能提高了诊断准确度和在评估血液癌症治疗生物标志物的一致性.
