使用人工智能对病理样本进行优先排序:试驾报告
Iván Rienda1, João Vale2,3, João Pinto2
1Department of Pathology, Hospital Universitari I Politècnic La Fe, Valencia, Spain.
Virchows Archiv : an international journal of pathology
|December 3, 2024
概括
Paige Pan Cancer是一种人工智能工具,可以有效地选多种组织类型的侵入性癌症. 这种数字病理学创新在染色幻灯片上识别癌症方面表现出高灵敏度,有助于临床实践.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 医学中的人工智能
背景情况:
- 当前的病理学工作流程面临着可以通过自动化解决的挑战.
- 数字化转型为诊断的效率和准确性提供了解决方案.
- 人工智能 (AI) 工具正在出现,用于复杂的病理分析.
研究的目的:
- 评估Paige Pan Cancer,一种用于检测侵袭性癌症的新型AI工具.
- 评估这款人工智能工具在16种主要组织类型中的性能.
- 确定该工具在临床病理学实践中的实用性.
主要方法:
- 利用Paige Pan Cancer,一个基于Virchow基金会模型的AI工具.
- 在Ipatimup病理学实验室的62个染有血素和素的幻灯片上测试了该工具.
- 评估了组织活检和切除的性能.
主要成果:
- 人工智能工具在活检中实现了93.3%的灵敏度和87.5%的特异性.
- 在切除中,灵敏度为94.7%,特异性为75.0%.
- 癌症检测的整体准确率为90.3%.
结论:
- 佩奇胰腺癌作为多器官癌症查工具表现出高灵敏度.
- 人工智能工具显示出将其整合到临床病理学实践中的希望.
- 尽管观察到一些错误分类,但需要进一步评估.
