临床上适用的全源癌症检测淋巴结通过人工智能基础的病理学通过淋巴结

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:

• 淋巴结转移是影响癌症分期,治疗和预后的关键因素.
• 精确的淋巴结组织病理诊断对于有效的癌症管理至关重要.
• 在淋巴结分析中迫切需要先进的诊断工具,如人工智能 (AI).

研究的目的:

• 开发和验证一种泛源人工智能系统,用于检测淋巴结中的癌症转移.
• 为了提高淋巴结转移诊断的准确性和效率,在组织病理学.

主要方法:

• 开发了一个基于深度学习的系统,使用700多个全幻灯片图像 (WSIs).
• 该系统包括两个深度学习模型,旨在识别淋巴结并检测癌症存在.
• 这些模型在来自多个机构的大量 WSI 数据集上进行了训练和验证.

主要成果:

• 该系统在49个器官的1,402个WSI上实现了0.958的接收器运行特征曲线 (AUC) 下的面积,具有95.2%的灵敏度和72.2%的特异性.
• 从另一医疗中心的52个器官中对1,051个WSI的独立数据集进行验证,证明了强大的性能,AUC为0.925.
• 该系统在识别不同来源的淋巴结转移方面表现出高效.

结论:

• 开发的AI系统代表了泛源淋巴结转移检测的重大进步.
• 它提供了准确的病理指导,有可能减少临床环境中的错误诊断.
• 这项技术可以增强癌症诊断和患者管理的常规临床实践.