在临床工作流程中基于人工智能对组织病理学的质量评估整片图像:在诊断病理设置中评估"PathProfiler"

科学领域:

• 数字病理学数字病理学
• 人工智能在诊断中的应用
• 图像分析 图像分析

背景情况:

• 数字病理学的采用正在增长,由人工智能驱动用于诊断和预后.
• 目前的全幻灯片图像 (WSI) 手动质量控制是低效和主观的.
• 高质量的WSI对于可靠的AI驱动病理学至关重要.

研究的目的:

• 评估将自动化质量评估工具PathProfiler集成到实时临床诊断病理学的可行性.
• 评估PathProfiler在生殖泌尿全片图像 (WSI) 上的性能.

主要方法:

• 通过PathProfiler,一种自动化图像质量评估工具,对1254个生殖尿路WSI进行了应用.
• 该工具是在前列腺组织上开发和训练的.
• 在前列腺活检和非前列腺外科切除标本上评估了表现.

主要成果:

• PathProfiler标记了4.5%的前列腺活检WSI是潜在的低于最佳的,问题主要与焦点有关.
• 54%的标记前列腺WSI需要采取补救措施,从而改善图像质量.
• 该工具在未经训练的非前列腺标本上显示出较低的可靠性.

结论:

• "PathProfiler"展示了将其集成到数字病理学工作流中的潜力,以提高WSI的质量.
• 该工具对前列腺样本最可靠,但也为其他样本类型,特别是活检提供了好处.