人工智能在炎症性肠病 (IBD-AI) 组织学诊断中的发展

科学领域:

• 胃肠病学 胃肠病学
• 计算病理学计算病理学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 炎症性肠病 (IBD),包括克罗恩病 (CD) 和性结肠炎 (UC),诊断依赖于识别基底血细胞瘤等形态特征.
• 这些特征的组织病理学解释具有挑战性,容易变化,影响诊断准确性.

研究的目的:

• 开发基于人工智能 (AI) 的系统,用于半自动量化基底血细胞形成.
• 支持和改进IBD的诊断过程.

主要方法:

• 在4981张注释图像上训练了一种深度学习模型,以检测和量化血细胞.
• 人工智能模型在356名来自CD,UC和健康对照患者的肠道活检的外部队列上得到了验证.
• 通过将AI量化与人类黄金标准进行比较来评估诊断性能.

主要成果:

• 与对照组相比,AI系统在CD和UC样本中检测到基底血细胞的患病率较高.
• 感兴趣区域 (ROI) 的平均血细胞计数在CD (38.22) 和UC (55.16) 中明显高于对照组 (17.25).
• 该模型表明,血细胞增加和IBD (OR=4.968) 之间存在强烈的关联,UC样本显示的血细胞比CD样本更多.

结论:

• 开发的AI模型准确地复制了人类对基底血细胞瘤的评估.
• 人工智能作为一种帮助诊断IBD的工具具有重要价值.
• 这项技术有可能提高胃肠道病理学的诊断一致性和准确性.