一个人工智能模型用于检测前列腺癌中的病态淋巴结转移,使用整个幻灯片图像:一个回顾性,多中心的诊断研究
Shaoxu Wu1,2,3, Yun Wang1, Guibin Hong1
1Department of Urology, Sun Yat-sen Memorial Hospital of Sun Yat-sen University, Guangzhou, China.
EClinicalMedicine
|April 15, 2024
概括
用于前列腺癌淋巴结转移检测的人工智能工具显著提高了准确性,并减少了审查时间. 这种人工智能 (AI) 系统有助于病理学家识别癌症传播,提高诊断精度.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 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:
- 淋巴结转移 (LNM) 的病理检查对于前列腺癌 (PCa) 治疗至关重要.
- 肉眼检测和病理学家的工作量导致结节微转移的错误诊断率高.
- 为PCa LNM开发基于人工智能的检测器对于提高诊断效率和准确性至关重要.
研究的目的:
- 开发和评估基于人工智能 (AI) 的,时间效率高,高精度的前列腺癌淋巴结转移检测器 (ProCaLNMD).
- 评估ProCaLNMD在改善PCa诊断中的临床应用价值.
主要方法:
- 一项追溯诊断研究,涉及来自五个中心的连续PCa患者 (2013年9月至2023年4月).
- 使用切除淋巴结的全幻灯片图像开发和验证ProCaLNMD.
- 在来自多个中心的数据集和跨癌症数据集上的外部验证.
- 人与人工智能的比较和协作研究,以评估临床工作流集成.
主要成果:
- ProCaLNMD实现了高诊断性能,AUROC范围从0.975到0.992.99之间.
- 人工智能检测器纠正了4.3%最初错过的微转移性区域,减少了8.5%的错过诊断.
- ProCaLNMD的灵敏度 (0.983) 超过了初级病理学家,与高级病理学家相匹配,同时显著减少了高达34%的幻灯片审查时间.
结论:
- 在前列腺癌中,ProCaLNMD表现出高诊断能力,用于识别前列腺癌中的LNM.
- 人工智能工具减少了错过的诊断,减少了病理学家的工作量,显示出显著的临床应用潜力.
- 将ProCaLNMD集成到临床工作流程中可以提高前列腺癌病理学的诊断准确性和效率.
