缩小自动化差距:强大的人工智能用于双子宫癌查分组
Bernd Lahrmann1,2,3,4, Andreas Keil1,2,3, Felipe Miranda Ruiz1,2,3
1Steinbeis Center for Medical Systems Biology, Heidelberg, Germany.
Research square
|March 17, 2025
概括
使用Cytoreader-V2的AI驱动的双染色细胞学增强了宫癌查. 这种人工智能工具提高了HPV阳性结果的特异性和可重复性,有助于早期检测.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 双染色细胞学 (p16/Ki67) 在HPV阳性宫癌查中优于传统的帕普细胞学.
- 人工智能 (AI) 可以减少主观性,提高双染色细胞学的性能.
- Cytoreader-V2是一种基于人工智能的系统,旨在评估双染色幻灯片.
研究的目的:
- 开发和验证Cytoreader-V2,用于双染色细胞学分析的AI工具.
- 评估Cytoreader-V2在不同宫和部查队伍中的性能.
- 为了比较基于人工智能的评估与双染色幻灯片的手动解释.
主要方法:
- 开发和验证Cytoreader-V2使用5,722双染色幻灯片从基于人口的查.
- 在SurePath凯泽实施研究和薄预备活检研究中的绩效评估.
- 通过图像转换测试和分析门双染色细胞学幻灯片来评估稳健性.
主要成果:
- 细胞阅读器-V2在宫查中表现出高灵敏度和较高的特异性,与手动双染色读数相比.
- 在SurePath研究中,Cytoreader-V2获得了87.2%的灵敏度和57.8%的特异性.
- 在不同的队列中保持一致的表现,包括门细胞学,突出强度和适应性.
结论:
- 在保持高灵敏度的同时,Cytoreader-V2提供了比手动双染色读取更好的特异性和可重复性.
- 人工智能工具显示出显著的稳定性和适应性,使其适用于各种临床环境的可扩展性.
- 细胞阅读器-V2代表了全球宫癌查数字病理学的转变性AI应用.
