人工智能和全幻灯片成像帮助甲状腺不确定的细胞学:系统性审查
Olia Poursina1, Azadeh Khayyat2, Sara Maleki1
1Department of Pathology and Laboratory Medicine, Brown University, Providence, Rhode Island, USA.
Acta cytologica
|January 2, 2025
概括
人工智能 (AI) 和全幻灯片成像 (WSI) 显示出有前途的提高了对未确定病变的甲状腺癌诊断. 结合人工智能方法可以通过减少主观错误和整合各种数据来提高诊断结果来提高准确性.
科学领域:
- 数字病理学数字病理学
- 医学中的人工智能.
- 甲状腺细胞病理学
背景情况:
- 甲状腺细胞病理学,特别是不确定的意义的异型/不确定的意义的毛囊病变 (AUS/FLUS),面临诊断准确性的挑战.
- 数字病理学和人工智能为改善甲状腺病变诊断的敏感性和特异性提供了潜在的解决方案.
研究的目的:
- 在AUS/FLUS病例中系统审查AI和全幻灯片成像 (WSI) 诊断准确性的研究.
- 评估AI和WSI在改善不确定的甲状腺细胞学诊断方面的有效性.
主要方法:
- 从2000年到2023年,对176项研究进行了系统审查,其中13项符合纳入标准.
- 用AI (CNNs,ANNs) 和WSI用于甲状腺病变诊断的研究分析.
- 包括各种准备方法 (罗曼诺夫斯基,帕帕尼科劳,H&E,ThinPrep) 和扫描仪模型.
主要成果:
- 人工智能有效地减少了主观评估和染色变化的诊断错误.
- 卷积神经网络 (CNN) 擅长处理WSI数据,以在最低限度的监督下进行特征识别.
- 人工神经网络 (ANN) 通过将临床数据与未确定病变的WSI衍生特征集成来提高诊断准确性.
结论:
- 综合人工智能方法 (CNN和ANN) 利用个人优势提高诊断准确性.
- 人工智能和WSI的整合显示出减少甲状腺细胞学不确定性的显著前景.
- 标准化仍然是甲状腺细胞病理学中广泛采用AI和WSI的关键挑战.
