具有病理学知识的深度学习模型用于检测结直肠神经内分泌瘤
Ke Zheng1, Jinling Duan1, Ruixuan Wang2
1Department of Pathology, State Key Laboratory of Oncology in South China, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-sen University Cancer Center, Guangzhou 510060, China.
Cell reports. Medicine
|October 16, 2024
概括
这项研究引入了一种人工智能方法,使用病理图像将结直肠神经内分泌瘤 (NET) 与结直肠癌 (CRC) 区分开来. 该方法实现了高精度,有助于精确处理和减少不必要的测试.
科学领域:
- 病理学 病理学 病理学
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 结肠直肠神经内分泌瘤 (NETs) 和结肠直肠癌 (CRC) 需要不同的管理策略.
- 准确区分结直肠NET和CRC对于有效的患者治疗和预后至关重要.
- 目前的诊断方法可能是资源密集型,需要成本效益较高的替代方案.
研究的目的:
- 开发和验证基于图像的人工智能 (AI) 方法,以区分结直肠NET和CRC.
- 为了利用先前的病理信息来生成可靠的幻灯片级特征,以准确地进行瘤分类.
- 减少对广泛免疫组织化学测试的需求,提高诊断效率.
主要方法:
- 利用病理事先的信息来引导从结直肠病理图像的特征生成.
- 开发了一种方法来选择诊断相关的图像补丁的一个小子集 (2%) 进行分析.
- 用于特征提取和分类的形态描述和图像补丁之间的计算相似性.
主要成果:
- 在内部数据集上获得了0.9974的接收器运行特征曲线 (AUROC) 下的面积.
- 在两个外部数据集上验证了方法,产生了0.9724和0.9513.0的AUROC.
- 证明了该模型在从CRC准确识别NET方面的有效性.
结论:
- 拟议的AI方法使用病理图像准确地区分结直肠NET和CRC.
- 这种方法为临床诊断提供了一个具有成本效益和效率的工具,可能减少不必要的测试.
- 人工智能模型推进了人工智能在临床病理学中的应用,支持精确的患者治疗.
