使用深度学习,常规图像分析和手动计数对Ki-67标签指数形态学的比较分析

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 医疗成像医学成像

背景情况:

• 基-67标签指数对于癌症预后和诊断至关重要.
• 目前用于Ki-67估计的手动和数字图像分析 (DIA) 方法存在局限性.
• 准确的Ki-67量化对于可靠的临床决策至关重要.

研究的目的:

• 评估和比较不同DIA系统对Ki-67计数的性能.
• 评估各种注释方法对Ki-67阳性估计的影响.
• 为了比较DIA系统的结果与病理学家的传统手动计数.

主要方法:

• 239个胃癌组织微阵列 (TMA) 内核被染色为Ki-67并进行扫描.
• 使用了三种注释方法:整个TMA核心,盒子选择和无手上皮质选择.
• 使用DIA系统 (3DHistech,Roche,aetherAI) 和手动病理学家计数进行了Ki-67计数.

主要成果:

• 与手动病理学家计数相比,注释方法产生较低的Ki-67阳性.
• 对于整个TMA分析而言,首选的是罗氏系统;而以太AI则优于盒子选择.
• 3DHistech在无需手动的上皮层选择方面表现出最高的准确性.
• 手动计数显示了高的病理学家间一致性 (ICC=0.93).

结论:

• 选择的注释方法显著影响Ki-67的阳性确定.
• 不同的DIA系统和注释策略都有不同的优缺点.
• 实验室应在 Ki-67 评估的常规实施之前验证多种 DIA 方法.