使用快速现场评估幻灯片和血清生物标志物进行自动肺癌亚型识别
Junxiang Chen1,2,3, Chunxi Zhang1,2,3, Jun Xie4
1Department of Respiratory Endoscopy, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Respiratory research
|October 30, 2024
概括
一个深度学习模型自动化快速现场评估 (ROSE) 用细胞学图像和血清标记来诊断肺癌. 这种人工智能工具显示出高精度,有助于在横支气管采样期间实时分析.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 快速现场评估 (ROSE) 在横支气管采样期间对手术内细胞病理学分析至关重要.
- 缺乏细胞病理学家阻碍了ROSE的广泛应用.
- 自动化ROSE分析可以提高效率和可访问性.
研究的目的:
- 开发一种深度学习模型,用于自动分析ROSE细胞学图像.
- 为了区分良性和恶性肺病变.
- 为了识别不同类型的肺癌亚型.
主要方法:
- 开发了一个分层的多标签肺癌亚型 (HMLCS) 模型.
- 该模型整合了来自ROSE幻灯片和血清生物标记物的整个幻灯片图像.
- 用811张ROSE片和配对血清标记器的数据集进行了培训,验证和测试.
主要成果:
- 在HMLCS模型中,对于恶性/良性分类 (0.9540) 和肺癌亚型分类,AUC值高.
- 它在分类非小细胞肺癌 (NSCLC) 亚型方面表现出强的表现.
- 该模型的六类分类实现了0.8721和0.7184的AUC准确度,性能与细胞病理学家相当.
结论:
- HMLCS模型显示了肺病变多重分类的巨大潜力.
- 它可以在横支气管采样期间提供实时诊断反.
- 这种人工智能驱动的方法可以克服细胞病理学家短缺所带来的局限性.
