在评分动物心肌病症的严重程度和与基于人工智能的评分的关系方面达成了Inter-Rater和Intra-Rater协议

科学领域:

• 心血管病理学心血管病理学
• 毒理学病理学 毒理学病理学
• 计算病理学计算病理学

背景情况:

• 计算机辅助图像分析算法可以检测和量化动物渐进性心肌病 (PCM) 的微观特征.
• 之前的验证涉及一组兽医毒理病学病理学家使用多项物流模型进行验证.

研究的目的:

• 评估病理学家评估动物心脏组织学之间的inter-rater和intra-rater协议.
• 为了将AI预测的分数与病理学家对PCM量化评级进行比较.
• 评估人工智能的实用性,作为改善毒理学中组织病理学评估的工具.

主要方法:

• 一个人工智能算法和一个由五名病理学家组成的小组评估了500个动物心脏组织学幻灯片的PCM.
• 评价者间和评价者内部的一致性使用加权的科恩卡帕进行了评估.
• 100个幻灯片的子集在六个月后被重新评估,以确定内部评价者的可靠性.

主要成果:

• 病理学家在病理学家内部的评估者协议是相当大的 (kappa k = 0.64 0.80).
• 病理学家之间的评估者间的一致性是中度的 (kappa k = 0.56).
• 人工智能算法提供了确定性和一致的结果,不受 intra-rater 变异性的影响.

结论:

• 人工智能算法可以作为有毒学研究中的病理学家的宝贵工具.
• 人工智能可以提高心脏病状况 (如PCM) 的组织病理学评估的灵敏度和特异性.
• 人工智能辅助评估显示,它有望提高心脏病理学评估的一致性和准确性.