部署人工智能组织学工具,以帮助对组织病理学进行定性评估,使用性结肠炎中的南希组织病理学指数
David T Rubin1, Olga Kubassova2, Christopher R Weber3
1Department of Pathology, University of Chicago, Chicago, IL, USA.
Inflammatory bowel diseases
|September 16, 2024
概括
一个新的人工智能 (AI) 工具使用南希索引准确评估性结肠炎 (UC) 组织病理学. 这种人工智能工具与专家评估有很高的相关性,为治疗UC患者的临床使用提供了潜力.
科学领域:
- 医疗人工智能 医疗人工智能
- 计算病理学计算病理学
- 胃肠病学 胃肠病学
背景情况:
- 性结肠炎 (UC) 是一种慢性炎症性肠病,需要精确的组织病理学评估.
- 纳西指数是评估UC组织病理学的关键指标.
- 组织病理学的定量评估可能是具有挑战性和耗时的.
研究的目的:
- 报告修改的人工智能 (AI) 组织学工具的性能,用于评估性结肠炎 (UC) 中的南希指数.
- 评估人工智能工具的准确性和相关性,与专家组织病理学家的评估相比.
- 为了证明AI在UC组织病理学中的潜在临床实用性.
主要方法:
- 一个使用4个神经网络结构的修改的人工智能工具被开发用于UC组织病理学.
- 人工智能工具在630张图像上进行了训练,并在9个国际站点的161张图像上进行了测试.
- 绩效与专家组织病理学家的评估进行了评估,使用混矩阵分析和南希度量.
主要成果:
- 与概念验证模型相比,修改后的AI工具在功能评估中显示出更高的准确性.
- 人工智能预测和真正的南希指数得分之间观察到很高的相关性 (例如,得分为0或4的80%).
- 人工智能工具实现了74.9%的Nancy指标,超过了之前的模型 (72.3%).
结论:
- 对UC的修改AI组织学工具与专家组织病理学家的评估有很高的相关性.
- 人工智能工具显示出有前途的潜力,可以简化和改进定量病理学在UC的临床应用.
- 这种人工智能驱动的方法可以提高对UC严重程度和治疗反应的客观评估.
