深度学习用于对食道腺癌前体病变的组织病理学评估
Michel Botros1, Onno J de Boer2, Bryan Cardenas3
1Department of Pathology, Amsterdam University Medical Centers, Amsterdam, The Netherlands; Department of Biomedical Engineering and Physics, Amsterdam University Medical Centers, Amsterdam, The Netherlands; Quantitative Healthcare Analysis Group, Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands; Amsterdam Machine Learning Lab, Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands.
概括
一个人工智能 (AI) 系统对巴雷特食道 (BE) 失生症的评估超过了55名病理学家中的53名. 这种人工智能工具提高了诊断准确性和效率在组织病理学工作流程.
科学领域:
- 胃肠病学 胃肠病学
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 对食道活检的组织病理学评估对于巴雷特食道 (BE) 管理至关重要.
- 观察者在诊断中的可变性需要可靠的客观方法.
- 人工智能 (AI) 显示出对诊断援助的承诺,但需要在现实世界中进行验证.
研究的目的:
- 开发和评估一个两阶段的AI系统,用于对BE相关的发育不良症进行组织病理学评估.
- 提高BE诊断病理学工作流程的效率和准确性.
- 将AI性能与大量的胃肠道病理学专家队伍进行比较.
主要方法:
- 一个基于深度学习的AI系统在290个全幻灯片图像 (WSIs) 上进行了开发和训练,这些图像在腺体和组织水平上进行了注释.
- 人工智能系统的设计旨在识别腺体,等级生殖不良,并提供WSI级诊断.
- 对55名病理学家进行了评估,他们评估了55个数字化BE活检.
主要成果:
- 人工智能系统正确评分了76.4%的WSIs,超过了55名病理学家中的53名病理学家的表现.
- 接收器运行特征分析显示,曲线下的面积为0.94,用于区分非发育不良的BE与任何发育不良.
- 该系统在检测发育不良时实现了0.92的灵敏度和0.94的特异性.
结论:
- 开发的AI系统显示出有很大的潜力,可以帮助病理学家诊断与BE相关的发育不良.
- 人工智能可以为具有挑战性的病例提供可靠的二次诊断,并对低风险活检进行分拣.
- 这项技术可以减少病理学家的工作量,增加诊断吞吐量.
