一个基于人工智能的开放式查工具,用于早期诊断伯基特淋巴瘤

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 人工智能的人工智能

背景情况:

• 伯基特淋巴瘤 (BL) 是一种高度可治疗的癌症,但在非洲特有地区的延迟诊断导致高死亡率.
• 这些地区的病理学家短缺严重导致诊断延迟.
• 可访问和高效的诊断工具对于改善BL流行地区的结果至关重要.

研究的目的:

• 开发和验证一个概念验证,开放式人工智能 (AI) 工具,用于选疑似伯基特淋巴瘤 (BL) 病例的组织病理幻灯片.
• 提高BL流行地区内偏远诊所的病理学服务的可访问性和及时性.
• 利用人工智能加速BL的诊断,从而降低死亡率.

主要方法:

• 微调了六个预先训练的模型,并使用基于集体的共识方法评估了它们的性能,以实现可靠的分类.
• 整合了新的功能,包括多放大图像分析,多个模型的复合评分,以及带有弱标签和增强的多个实例学习 (MIL).
• 利用90名BL患者的组织病理学幻灯片和70名桃体切除术对照进行模型开发和验证.

主要成果:

• 开发的AI工具在推理集上展示了强大的分类性能,实现了良好的准确性.
• 整体方法和新的功能使得在相对较小的样本规模下能够有效诊断.
• 该工具的开放性质确保了全球免费的可用性和可访问性.

结论:

• 人工智能工具有望提高远程诊所BL诊断的可访问性,效率和及时性.
• 这项技术可以帮助在资源有限的环境中弥合病理学服务的差距,从而有可能减少BL死亡率.
• 未来与低成本幻灯片扫描仪的整合预计将进一步加快查和诊断过程.