在性结肠炎中,自动化中性粒细胞量化和组织学评分估计

科学领域:

• 胃肠病学 胃肠病学
• 计算病理学计算病理学
• 人工智能的人工智能

背景情况:

• 由中性粒细胞透缺失定义的组织学缓解是性结肠炎 (UC) 管理的关键目标.
• 准确量化和定位中性粒细胞对于评估UC缓解至关重要.
• 目前的组织学评估可能是主观的和耗时的.

研究的目的:

• 开发和验证人工智能 (AI) 系统,用于量化和定位UC活检样本中的中性粒细胞.
• 评估人工智能系统对专家病理学家的表现.
• 评估AI系统预测UC患者临床复发的能力.

主要方法:

• 一个使用语义细分和对象检测的人工智能系统被开发用于血素和素染色整个幻灯片图像.
• 该系统识别了表皮和自身膜中的中性粒细胞,预测了南希组织学指数和PICaSSO组织学缓解指数组件.
• 对病理学家进行了表现评估,并评估了临床复发的预测 (部分梅奥得分≥3).

主要成果:

• 人工智能模型在中性粒细胞识别中实现了高精度 (0.77),回忆 (0.81) 和F-score (0.79).
• 人工智能衍生的组织学评分与病理学家的诊断正相关 (斯皮尔曼的 ρ = 0.68-0.80).
• 更高的AI分数 (PICaSSO,南希指数) 与UC复发风险增加有关 (HR 3.2-5.0).

结论:

• 人工智能系统准确地量化和定位UC活检中的中性粒细胞.
• 这个AI工具增强了对UC缓解的组织学评估.
• 该系统为UC的临床复发风险分层提供了有价值的预后信息.