使用TLS-PAT人工智能工具对结直肠癌中的三级淋巴状结构进行自动分类

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 计算病理学计算病理学

背景情况:

• 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因.
• 三级淋巴体结构 (TLS) 在CRC预后中至关重要,但其评估具有挑战性.
• 目前用于TLS评估的方法缺乏标准化和客观性.

研究的目的:

• 开发和验证一种自动化系统,用于对结直肠腺癌的TLS成熟阶段进行分类.
• 提高癌症研究中TLS评估的客观性和一致性.
• 提供开源工具,用于集成到现有的诊断工作流程中.

主要方法:

• 在656名CRC患者的整体幻灯片图像上利用双重免疫组织化学 (CD21/CD23).
• 采用了ResNet50和Vision Transformer深度学习模型,具有五倍的交叉验证.
• 对比了各种模型架构,聚合方法和预训练策略.

主要成果:

• 自动化系统TLS-PAT在TLS成熟分类中表现出高精度 (0.845) 和稳定性 (kappa=0.761).
• 视觉变压器模型,在ImageNet上预训练,使用Max Confidence聚合,产生了最佳的性能.
• 由人工智能驱动的方法为TLS分类提供了标准化和客观的方法.

结论:

• TLS-PAT提供了一种可靠的,自动化的解决方案,用于对结直肠癌中TLS成熟的分类.
• 这种工具可以提高预后准确性,并促进免疫疗法和个性化医学的进一步研究.
• 这些工具的开源性质促进了在不同癌症类型和数据集中更广泛的采用和应用.