一个人工智能系统用于前列腺癌诊断的整张幻灯片图像

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 在瘤学中使用人工智能

背景情况:

• 在前列腺癌评估中对自动诊断工具的需求日益增加.
• 整体幻灯片成像 (WSI) 为病理学分析提供了一个数字平台.
• 在前列腺活检中需要准确有效的方法来检测癌症和相关特征.

研究的目的:

• 开发和验证一个机器学习系统用于前列腺癌评估使用WSI.
• 为了能够检测周围神经侵袭和测量癌症部分的临床报告.
• 为数字病理学工作流程创建一个强大的AI工具.

主要方法:

• 一个三阶段的系统:组织检测,分类和幻灯片级分析.
• 将WSI划分为分析的补丁.
• 利用传统的机器学习用于组织检测和深度学习用于癌症分类.
• 在2340个H&E染色幻灯片上接受过培训和验证,并有专家病理学家的注释.

主要成果:

• 在组织检测中达到99.53%的准确性 (99.78%的灵敏度,99.12%的特异性).
• 癌症组织分类的准确性在5倍放大时达到92.80% (92.61%的灵敏度,99.25%的特异性).
• 性能随着放大而变化,在更高的放大度下精度较低 (例如,在20x时84.71%).

结论:

• 开发的机器学习系统在WSI的组织检测和癌症分类方面表现出高准确度.
• 该系统显示了帮助病理学家诊断和报告前列腺癌的潜力.
• 可能需要进一步优化,以提高不同放大度的性能.