基于转移学习的系统的开发和外部验证,用于结直肠癌的病理诊断:一项大型模拟前性研究
Liuhong Yuan1,2, Henghua Zhou2, Xiao Xiao3
1Department of Pathology, Tongji Hospital, School of Medicine, Tongji University, Shanghai, China.
Frontiers in oncology
|May 10, 2024
概括
一个人工智能 (AI) 算法在全幻灯片成像 (WSI) 上精确地定位结肠直肠癌 (CRC),提高了病理学家的准确性. 这种人工智能工具有助于组织病理学诊断,可能减少病理学家的工作量并使患者受益.
科学领域:
- 数字病理学数字病理学
- 计算瘤学是一种计算瘤学.
- 医疗人工智能的人工智能
背景情况:
- 结肠直肠癌 (CRC) 诊断面临着越来越多的病例,使组织病理学服务受到压力.
- 目前在组织学中的人工智能 (AI) 往往缺乏细粒度验证,影响可解释性和透明度.
- 在组织学中可靠的AI对于准确的癌症检测和患者管理至关重要.
研究的目的:
- 开发和验证一种人工智能算法,用于在全幻灯片成像 (WSI) 中精确定位结直肠癌 (CRC).
- 评估AI在精细分辨率网格级别的诊断性能及其对病理学家决策的影响.
- 探索AI作为计算机辅助检测 (CADe) 工具在组织病理学中的潜力.
主要方法:
- 采用转移学习,调整了聚细分模型用于CRC检测.
- 人工智能算法将CRC目标定位在WSIs上的0.25mm2网格内.
- 来自858名患者的1418个WSI的外部数据集被用于评估,包括病理学家绩效分析.
主要成果:
- 在电网层面,AI实现了90.25%的灵敏度和96.60%的特异性 (AUC为0.962).
- 幻灯片级敏感度达到了99.39%,负概率率<0.01,表明排除癌症的高可靠性.
- 人工智能协助显著提高了所有参与病理学家的诊断准确度.
结论:
- 使用转移学习开发了一种经过验证的AI算法,用于WSI中的CRC组织学定位.
- 人工智能系统可以作为诊断排除工具或CADe系统,支持病理学家.
- 整合这种人工智能有可能优化组织病理学工作流程并提高患者护理.
更多相关视频
15:17Colorectal Cancer Cell Surface Protein Profiling Using an Antibody Microarray and Fluorescence Multiplexing
Published on: September 25, 2011
14.0K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
