在前列腺切除样本上对前列腺癌格里森分级的人工智能模型的外部验证
Bogdana Schmidt1, Simon John Christoph Soerensen2,3, Hriday P Bhambhvani4
1Division of Urology, Department of Surgery, Huntsman Cancer Hospital, University of Utah, Salt Lake City, UT, USA.
BJU international
|July 11, 2024
概括
DeepDx前列腺人工智能算法在激进前列腺切除标本的格里森分级中表现出色,证明了与专家病理学家的高度一致. 这种人工智能工具准确地识别癌症,并分配分级组,即使经过生物检查数据的训练.
科学领域:
- 尿路病理学 尿路病理学
- 人工智能在医学中的应用
- 数字病理学数字病理学
背景情况:
- 前列腺癌分级对于治疗决策至关重要.
- 人工智能 (AI) 算法正在开发用于自动化的格里森分级.
- 在急性前列腺切除 (RP) 标本上验证AI性能是必不可少的,因为与活检样本的差异.
研究的目的:
- 为了对DeepDx前列腺AI算法进行外部验证,以对整个前列腺组织病理学进行格里森评分.
- 为了评估与活检训练模型相比,RP标本上的AI性能.
主要方法:
- DeepDx前列腺人工智能算法在150个整体RP标本中的500块上进行了测试.
- 格里森模式 (3,4,5) 被分成等级组 (GGs) 进行比较.
- 与专家病理学家评估的一致性 (参考标准) 使用科恩的kappa.测量.
主要成果:
- 专家病理学家为GG协议实现了0.94的科恩卡帕.
- 人工智能算法与参考标准有很强的一致性 (癌症检测kappa=0.91,GG分类kappa=0.89).
- AI在癌症检测方面表现出高灵敏度 (0.997) 和特异性 (0.88),在GG分类方面表现出高灵敏度 (0.98,0.85).
结论:
- DeepDx前列腺人工智能算法与专家泌尿病学家在RP标本上进行格里森分级方面表现出了出色的协议.
- 人工智能算法在癌症识别和分级方面表现良好,不管它是在活检样本上训练的.
- 这种人工智能工具在临床实践中显示出可靠的前列腺癌分级的希望.
