病理学家和人工智能算法的PD-L1评分的比较性能

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 生物标记分析 生物标记分析

背景情况:

• 免疫检查点抑制剂已经改变了非小细胞肺癌 (NSCLC) 治疗.
• PD-L1表达的瘤比例得分 (TPS) 是预测治疗反应的关键生物标志物.
• 准确的PD-L1评分对于指导NSCLC治疗决策至关重要.

研究的目的:

• 为了比较病理学家和人工智能 (AI) 算法在NSCLC中得分PD-L1表达的有效性.
• 评估病理学家之间的协议以及人工智能工具和病理学家之间的协议.
• 为了评估AI在PD-L1TPS评估中的可靠性,用于临床应用.

主要方法:

• 六位病理学家使用光显微镜和全幻灯片图像 (WSI) 对51例SP263染色NSCLC病例进行评分.
• 使用两个商业人工智能软件工具评估案例:UPath和Visiopharm.
• 分析病理学家之间观察者内部和观察者间的一致性,并将AI得分与病理学家得分中位数的比较,TPS截止值为1%和50%.

主要成果:

• 病理学家在TPS<1% (弗莱斯卡帕0.558) 之间显示了中度的观察者间一致,在TPS≥50% (弗莱斯卡帕0.873) 之间显示了几乎完美的一致.
• 在病理学家中观察到高的观察者内一致性 (科恩的kappa 0.7261.0).
• 人工智能算法显示了公平的协议 (uPath,Fleiss' kappa 0.354) 和实质性的协议 (Visiopharm,Fleiss' kappa 0.672),病理学家的中位数得分在50%的TPS截止值.

结论:

• 病理学家在PD-L1 TPS评分中表现出强烈的一致性,特别是在更高的表达水平上.
• 当前的人工智能算法与专家人类评估相比,表现不那么一致.
• 进一步开发人工智能工具是必要的,以实现NSCLC治疗中关键临床决策所需的可靠性.