一个基于图形学习的模型,用于在数字病理图像上自动诊断Sjögren综合征:一个多中心队列研究
Ruifan Wu1, Zhipei Chen2,3, Jiali Yu2,3
1School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China.
Journal of translational medicine
|August 8, 2024
概括
一个新的AI模型,CTG-PAM,通过分析唾液腺组织,准确诊断Sjögren综合征 (SS). 这种基于图形的病理分析模型显示出高灵敏度和准确性,超过了诊断这种自身免疫性疾病的传统方法.
科学领域:
- 病理学 病理学 病理学
- 人工智能的人工智能
- 自免疫性疾病 自免疫性疾病
背景情况:
- 肖格伦综合征 (SS) 是一种罕见的,慢性自身免疫性疾病,影响唾液和眼腺,通常与其他自身免疫性疾病有关.
- 目前SS的诊断方法,主要是组织病理学评估,有局限性.
- 早期诊断SS对于患者的治疗结果和管理相关死亡风险至关重要.
研究的目的:
- 开发和评估一种基于人工智能的新型模型来诊断Sjögren综合征.
- 与现有方法相比,提高SS诊断的准确性和效率.
- 探索AI在分析病理图像以检测自身免疫性疾病方面的潜力.
主要方法:
- 使用了100个唇部腺组织活检的整片图像 (WSIs).
- 开发了基于细胞-组织图形的病理图像分析模型 (CTG-PAM),利用图形理论分析单细胞,细胞-细胞和细胞-组织特征.
- 基于淋巴细胞计数的淋巴细胞识别和SS诊断的细胞图结构应用连接组件分析.
主要成果:
- 在内部验证中,CTG-PAM的AUC值为1.0,在外部测试中,AUC值为0.8035.
- 外部数据集性能:98.21%的灵敏度和93.75%的准确度,超过了传统的深度学习方法,如ResNet-50.
- CTG-PAM的诊断准确度与熟练病理学家的诊断准确度非常接近.
结论:
- CTG-PAM是一种可靠的AI工具,用于诊断Sjögren综合征.
- 该模型显示了改善SS患者预后和各种疾病差异诊断的潜力.
- 人工智能驱动的病理分析,如CTG-PAM,可以扩展到诊断瘤微环境中的免疫细胞.
