评估细胞性估计方法:比较人工智能计数与病理学家的视觉估计
Tomoharu Kiyuna1, Eric Cosatto2, Kanako C Hatanaka3
1Healthcare Life Science Division, NEC Corporation, Tokyo 108-8556, Japan.
Diagnostics (Basel, Switzerland)
|June 19, 2024
概括
与病理学家相比,人工智能 (AI) 模型显著提高了肺癌样本中瘤含量比率 (TCR) 评估准确度. 这种人工智能驱动的方法提高了基因测试的精度,以获得更好的患者结果.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
背景情况:
- 下一代测序 (NGS) 通过识别癌症驱动基因变异来推动精准医学.
- 精确的基因检测依赖于足够的瘤细胞,需要精确的瘤含量比率 (TCR) 评估.
- 从H&E图像中估计TCR的病理学家变异性是一个重大挑战.
研究的目的:
- 开发和验证一个AI模型,从H&E染色的肺癌图像中准确计算TCR.
- 为了比较基于AI的TCR估计与病理学家视觉评估的准确性.
- 评估开发的AI模型的稳定性和机构间的一致性.
主要方法:
- 在41例肺癌病例中,通过3位病理学家对细胞进行详尽的标记,建立了TCR的"黄金标准".
- 开发了一个紧的,快速的,完全卷积的神经网络AI模型用于细胞检测和分类.
- 在13位病理学家和人工智能模型之间比较TCR准确度与黄金标准.
主要成果:
- 人工智能模型实现了92%的细胞检测和84%的分类准确度.
- 与病理学家视觉评估相比,基于AI的TCR计算显示出明显较低的误差 (p<0.05).
- 人工智能模型表现出比平均病理学家评估更大的机构间稳定性.
结论:
- 人工智能模型在临床环境中显著提高了瘤细胞性评估的准确性.
- 通过人工智能增强的TCR准确性有助于更有效,更可靠的基因测试.
- 采用强大的AI工具有望通过精确的癌症治疗改善患者的治疗结果.
