数字病理学扫描仪的物理颜色校准,用于强大的人工智能辅助癌症诊断

科学领域:

• 数字病理学数字病理学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 整个幻灯片图像 (WSI) 生产中的技术不一致性限制了人工智能 (AI) 在数字病理学中的表现.
• 不同扫描仪之间WSI外观的变化挑战了AI诊断工具的广泛临床应用.
• 之前的标准化方法并未对它们对AI性能的影响进行评估.

研究的目的:

• 评估物理色彩校准是否可以实现强大的AI性能,从WSIs中检测和分类前列腺癌.
• 评估物理色彩校准对完全监督和基于基础模型的AI系统的影响.

主要方法:

• 训练有素的人工智能系统 (完全监督和基于基础模型) 用于前列腺癌检测和使用STHLM3临床试验 (n=3651) 的WSIs进行格里森分级.
• 对3个外部队列 (n=1161) 的AI性能进行了评估,并对WSIs进行了物理色彩校准.
• 通过与病理学家的格里森分级使用科恩的线性加权卡帕来衡量AI性能.

主要成果:

• 物理色彩校准大大提高了完全监督的AI系统与病理学家在所有外部队列中的分级的一致性.
• 对一致性的改进范围从0.423到0.452不加校准到0.619到0.738加校准.
• 基于基础模型的AI系统在物理颜色校准后也显示出更好的一致性,特别是在斯塔万格队列 (0.547到0.670).

结论:

• 物理色彩校准是一种可行的解决方案,以减轻不同WSI扫描仪引入的变化.
• 这种标准化提高了基于AI的癌症诊断在各种环境中的可靠性和临床适用性.
• 颜色校准对于在数字病理学中保持一致和准确的AI性能至关重要.