人工智能推动肺癌微环境组成的评估
Enzo Gallo1, Davide Guardiani1, Martina Betti2,3
1Department of Pathology, IRCCS Regina Elena National Cancer Institute, Rome, Italy.
Journal of pathology informatics
|October 29, 2024
概括
肺癌 (LC) 病理学中的人工智能 (AI) 降低了评估瘤透淋巴细胞 (TIL) 的可变性. 人工智能引导的评估提高了病理学家之间的一致性,提高了免疫治疗反应预测的可重现性.
科学领域:
- 计算病理学计算病理学
- 免疫组织化学 免疫组织化学
- 在瘤学瘤学.
背景情况:
- 瘤透淋巴细胞 (TIL) 和瘤微环境组件对于预测肺癌免疫治疗反应至关重要.
- 评估这些组成部分往往受到病理学家之间观察者间和观察者内部变化的影响.
研究的目的:
- 试验一种人工智能 (AI) 方法来量化TIL和其他肺癌细胞群.
- 减少观察者在评估瘤微环境组件中的变性.
主要方法:
- 使用QuPath开发了一种机器学习分类器,用于检测H&E染色肺癌幻灯片中的瘤,免疫和树皮细胞.
- 评估了37个感兴趣的肺癌区域的细胞种群,比较了AI指导前后的病理学家评估.
主要成果:
- 在病理学家和病理学家和AI之间观察到细胞群得分的显著差异.
- 人工智能引导的病理学家评估表明,显著差异减少了,一些比较失去了统计学意义 (p > 0.05),而另一些比较显示意义减少 (p > 0.01).
结论:
- 基于机器学习的细胞群量化有效地减少了观察者之间的和观察者内部的变异性.
- 这种人工智能方法提高了评估瘤微环境组件的可重现性,为免疫治疗反应预测提供了进一步的验证研究.


