一个可解释的框架,用于观察者之间的协议测量在TILs得分的乳腺组织病理图像:一个原则证明研究

科学领域:

• 病理学 病理学 病理学
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 准确评估瘤透性淋巴细胞 (TILs) 对乳腺癌的预后和治疗至关重要.
• 目前TILs评分方法的观察者间变异性阻碍了可靠的临床应用.
• 需要标准化和可解释的方法来评估在组织病理学分析中的一致性.

研究的目的:

• 引入和验证用于评估乳腺癌组织病理学中观察者间协议的新计算方法.
• 解决TILs评分方面的挑战,特别是 stromal 分段和细胞检测.
• 建立一个可靠和可解释的诊断变异性评估框架.

主要方法:

• 开发边界加权的肉质卡帕 (BWFK) 组织细分协议.
• 介绍基于距离的细胞协议算法 (DBCAA),用于在没有基本真相的情况下检测细胞.
• 这两种方法的应用和验证是在病理学家注释的侵入性导管性乳腺癌图像的临床数据集上进行的.

主要成果:

• 采用BWFK方法,在树皮细分协议方面取得了显著的改进,比标准的Fleiss' Kappa.高达32%的收益.
• DBCAA方法为细胞检测提供了多功能解决方案,克服了数据注释的限制.
• 该研究成功验证了基于AI的诊断工具临床评估框架.

结论:

• 拟议的BWFK和DBCAA方法提供了标准化,可靠和可解释的措施,用于在TILs评分中实现观察者间的协议.
• 这一框架推进了他的病理图像分析,促进了TIL评估的共识.
• 这些发现有可能改善乳腺癌诊断和治疗计划.