基于人工智能的病理学工具的临床验证,用于对代谢功能障碍相关的脂肪肝炎进行评分

科学领域:

• 肝病学 肝病学是一种肝病学.
• 数字病理学数字病理学
• 人工智能在医学中的应用

背景情况:

• 代谢功能障碍相关的脂肪肝炎 (MASH) 是肝脏疾病的重要原因,治疗方法有限.
• 目前的诊断方法依赖于手动肝活检评分,这在读者之间存在很高的变化.
• 这种变化给临床试验招生和终点评估带来了挑战.

研究的目的:

• 对基于AI的病理学系统 (AIM-MASH) 进行全面的多站点验证,以进行MASH组织学评分.
• 评估AIM-MASH在协助MASH临床试验的病理学家方面的表现.
• 评估AIM-MASH对降低阅读器变异性和提高诊断准确性的影响.

主要方法:

• 在多个站点上对AIM-MASH AI系统的分析和临床验证.
• 人工智能辅助病理学家阅读与无辅助手动评分的比较.
• 与手动评分相比,AIM-MASH的重复性和可重复性的评估.

主要成果:

• AIM-MASH表现出高的重复性和可重复性,优于手动评分.
• 由专家病理学家进行的人工智能辅助阅读在评估炎症,气球和MASH分辨率方面表现优异.
• 在评估肥胖症和纤维化时保持非劣势,这表明全面的实用性.

结论:

• AIM-MASH显示有可能显著减轻MASH组织学评分中的读者变异性.
• 人工智能系统可以为MASH临床试验提供更可靠和更一致的评估.
• 在MASH治疗开发中,AIM-MASH可能有助于更准确地评估MASH治疗疗效.