人工智能数字病理学的实用性作为病理学家在MASH中得分纤维化的辅助

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能.
• 肝脏疾病研究 肝脏疾病研究

背景情况:

• 代谢功能障碍相关的脂肪肝炎 (MASH) 纤维化阶段的病理学家变异性使临床试验复杂化.
• 在MASH研究中,可靠的纤维化评估对于患者选择和治疗评估至关重要.

研究的目的:

• 评估人工智能数字病理学 (DP) 平台,以提高MASH中的纤维化分期可靠性.
• 评估人工智能协助对病理学家间协议和临床试验一致性的影响.

主要方法:

• 120个数字化MASH组织学幻灯片由四名病理学家分析,有或没有人工智能辅助 (随机交叉).
• 人工智能DP平台使用了第二波生成/两光子激发光 (SHG/TPEF) 图像和定量纤维化 (qFibrosis) 值.
• 对纤维化阶段和临床试验标准进行了评估,评估了病理学家间和病理学家内协议 (kappa).

主要成果:

• 人工智能辅助显著改善了纤维化阶段,特别是早期纤维化 (F0-F2) 的病理学家间的卡帕.
• 临床试验纳入病理学家一致性 (F2-F3) 从45%上升到71%与AI.
• 人工智能协助将纤维化反应评估的一致性从49%提高到61%,并被模拟为减少约25%的裁决需求.

结论:

• 人工智能DP平台在MASH纤维化阶段测定中提高了评分器间的可靠性.
• 基于SHG/TPEF的AI DP工具改善了纤维化评估,提高了临床试验的效率和读数可靠性.
• 人工智能辅助提供了一个有前途的解决方案,用于在研究环境中标准化MASH纤维化评估.