开发一种基于人工智能的工具,用于自动评估Ph阴性髓扩散性神经瘤骨髓活检中的细胞性
Giuseppe D'Abbronzo1, Antonio D'Antonio2, Annarosaria De Chiara3
1Department of Mental and Physical Health and Preventive Medicine, Università degli Studi della Campania "Luigi Vanvitelli", 80138 Naples, Italy.
Cancers
|May 11, 2024
概括
一个人工智能工具准确地量化了骨髓细胞性,用于诊断骨髓扩散性瘤 (MPN). 这种自动化方法减少了细胞性评估的变异性,改善了费城染色体阴性MPNs的诊断一致性.
科学领域:
- 计算病理学计算病理学
- 血液病理学 血液病理学
- 医学中的人工智能
背景情况:
- 骨髓活检 (BMBs) 中细胞性评估对于诊断费城染色体阴性髓扩散性新生瘤 (MPNs) 至关重要.
- 病理学家手动评估BMB细胞性,显示了观察者间和观察者内显著的变异性.
- 自动化工具有可能提高细胞性评估的统一性和准确性.
研究的目的:
- 开发和验证基于人工智能 (AI) 的工具,用于自动化量化 BMB 组织学中的细胞性.
- 为了减少与MPN诊断中手动细胞性评估相关的变异性.
主要方法:
- 开发了一个语义细分模型,使用诊断的Ph-MPN病例中的BMB的55个全幻灯片图像 (WSI).
- 血液形成和脂肪组织的注释由专家病理学家和住院医生进行.
- 该模型在15个WSI上接受了培训,并在剩余的40个WSI上进行了验证,将其性能与专家血液病理学家和学员的评估进行了比较.
主要成果:
- 这种基于人工智能的工具与专家血液病理学家的细胞性评估有着最佳的一致性.
- 当将人工智能工具的性能与学员的性能进行比较时,观察到较差的一致性.
- 在两个不同的全幻灯片扫描仪之间,没有发现细胞性评估的显著差异.
结论:
- 开发的AI工具提供了一个准确和自动化的方法来量化骨髓细胞在BMBs.
- 这种人工智能驱动的方法有可能标准化细胞性评估,从而提高费城染色体阴性MPN的诊断一致性.
- 该工具在不同扫描平台上的性能强大.
