针对尿道膀癌量身定制的HER2测试算法的性能:一项双中心研究
Aoling Huang1, Yizhi Zhao2, Feng Guan1
1Department of Pathology, Renmin Hospital of Wuhan University, 238 Jiefang-Road, Wuchang District, Wuhan 430060, PR China.
Computational and structural biotechnology journal
|October 29, 2024
概括
在尿道膀癌 (UBCa) 中,用于HER2评分的AI算法显著提高了病理学家之间的诊断准确性和一致性. 人工智能协助对初级病理学家和挑战异构的HER2阳性病例尤其有益.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 人体表皮生长因子受体2 (HER2) 是几种癌症的关键生物标志物.
- 在尿道膀癌 (UBCa) 中精确的HER2评分对于治疗决策至关重要.
- 目前的手动HER2评分方法可以是主观的,并且在观察者之间有所不同.
研究的目的:
- 开发和验证人工智能算法用于UBCa的自动HER2评分.
- 评估人工智能协助对病理学家间观察者间协议的影响.
- 评估乳腺癌HER2评分标准对UBCa的适用性.
主要方法:
- 使用2个机构的330张UBCa幻灯片开发AI算法.
- 一项环状研究,涉及6名病理学家 (3名高级,3名初级) 使用200个选定的幻灯片.
- 手动评分与人工智能辅助评分对准确性和观察者之间的一致性进行比较 (kappa统计).
主要成果:
- 在独立测试中,人工智能算法表现出高精度 (0.94和0.92).
- 与手动评分相比,人工智能辅助的评分显著提高了准确性 (0.66对0.94) 和一致性 (kappa=0.48对0.87).
- 在HER2-低 (F1分数:0.63对0.92) 和异质的HER2-阳性病例 (0.49对0.93) 中,在人工智能协助下,解释准确性得到了显著改善.
结论:
- 这是UBCa中HER2评分的第一个AI量化算法,有助于病理学家诊断.
- 对于乳腺癌而建立的HER2评分标准对UBCa有效适用.
- 人工智能协助提高了所有经验水平的病理学家的诊断准确性和观察者间的一致性,特别是在复杂的病例中.
