基于人工智能,对猫类小肠活检中的淋巴细胞进行量化
Judit M Wulcan1, Paula R Giaretta2, Sai Fingerhood3
1University of California, Davis, Davis, CA.
Veterinary pathology
|October 14, 2024
概括
开发了一种人工智能 (AI) 模型来量化猫类肠道淋巴细胞,提高慢性肠病 (CE) 的诊断准确度. 这种AI工具提供了可重复的客观评估,提高了诊断这种复杂猫病的一致性.
科学领域:
- 兽医病理学 兽医病理学
- 计算病理学计算病理学
- 猫科动物医学 猫科动物医学
背景情况:
- 猫慢性肠道病 (CE) 是猫的复杂胃肠道疾病.
- 精确的CE组织学分类依赖于小肠活检中的淋巴细胞的量化.
- 目前的组织学方法存在观察者间一致性较低,影响诊断可靠性.
研究的目的:
- 开发和验证一种人工智能 (AI) 模型,用于检测和量化内皮质和膜自身淋巴细胞.
- 评估人工智能模型的性能与兽医病理学家的评估.
- 评估人工智能模型在改善猫科动物CE诊断一致性方面的潜力.
主要方法:
- 开发一种AI模型,使用来自猫的血素和素染色小肠活检.
- 通过比较AI模型的性能 (灵敏度,正预测值,F1得分) 与11名兽医病理学家的共识来验证AI模型.
- 对人工智能衍生淋巴细胞计数的分析及其与半定量分级的相关性.
主要成果:
- 人工智能模型对内皮质 (100%) 和膜自身 (89%) 淋巴细胞都显示出高的中位敏感度.
- 甲状腺内皮细胞的F1评分中位数为67%,甲状腺内皮细胞的F1评分中位数为67%,甲状腺内皮细胞的F1评分中位数为70%.
- 人工智能模型显示出克服传统半定量分级中观察到的低观察者间协议的潜力.
结论:
- 人工智能模型提供了一种可复制,客观和定量方法来评估猫的肠道淋巴细胞.
- 在病理学家的监督下,人工智能模型可以提高猫类慢性肠病的诊断准确性和一致性.
- 这种AI方法解决了CE传统组织学分级的局限性.
