人工智能模型用于从结肠直肠癌全片成像检测微卫星不稳定性的模型

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 人工智能在瘤学中的应用

背景情况:

• 全幻灯片成像 (WSI) 正用高分辨率的数字幻灯片彻底改变病理学.
• 在结直肠癌 (CRC) 中检测微卫星不稳定性 (MSI) 对免疫疗法选择至关重要.
• 目前的MSI测试不是普遍可用的,特别是在低收入国家,强调需要具有成本效益的预先选工具.

研究的目的:

• 审查人工智能 (AI) 模型的预测能力,用于直接从结直肠癌 (CRC) 组织学预测微卫星不稳定性 (MSI).
• 分析深度学习 (DL) 算法的性能和局限性,这些算法是从WSI开发的MSI状态预测算法.
• 报告协作AI模型,如联合学习 (FL) 和群学习 (SL) 进行多中心算法共享.

主要方法:

• 审查研究开发和评估AI,特别是深度学习 (DL) 模型,用于MSI预测,使用结直肠癌 (CRC) 的全幻灯片图像 (WSI).
• 分析算法性能指标和发现的缺陷.
• 讨论协作AI框架,如联合学习 (FL) 和群学习 (SL).

主要成果:

• 人工智能模型在直接从CRC的WSI预测MSI状态方面具有显著的价值.
• 数字化H&E染色幻灯片与训练有素的人工智能算法相结合,可以快速且经济地提取关键的分子信息,如MSI状态.
• 各种人工智能方法显示出希望,目前正在进行的研究正在解决它们的局限性.

结论:

• 人工智能模型是预测结直肠癌 (CRC) 中WSI的MSI状态的有效工具.
• 人工智能的整合,特别是DL,进入常规的外科病理学可以加速病理学服务的数字化转型.
• 人工智能驱动的MSI预先查提供了一个低成本,可访问的解决方案,改善了患者管理和治疗决策,特别是在服务不足的地区.