在皮肤黑色素瘤中,人工智能对皮肤组织组织结构的自动评估
Thamila Kerkour1, Loes Hollestein1, Alex Nigg2
1Department of Dermatology, Erasmus MC, Rotterdam, the Netherlands.
Pathology, research and practice
|March 30, 2025
概括
这项研究开发了一种人工智能框架,可以自动对黑色素瘤组织结构进行细分,改进对潜在黑色素瘤阶段改进的关键特征的分析. 人工智能实现了高精度和F1分数,由皮肤病理学家验证.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 组织病理学图像分析分析.
背景情况:
- 由于变异性和时间限制,黑色素瘤预后特征如线粒分裂被排除在分期之外.
- 现有的黑色素瘤AI算法在范围和临床实用性方面是有限的.
- 数字病理学和人工智能为客观基因病理学分析提供了潜在的解决方案.
研究的目的:
- 在皮肤黑色素瘤中开发和验证多种组织组织组织结构的自动化AI驱动的细分框架.
- 创建一个克服手动分析和现有算法的局限性的人工智能工具.
- 增强黑色素瘤组织病理特征的识别和分析.
主要方法:
- 利用157张黑色素瘤整片图像在Oncotopix®平台上训练U-Net和DeepLab3+分类器.
- 开发了七个人工智能应用程序,用于逐步自动检测组织结构,包括瘤微环境和细胞分裂.
- 在独立数据集上使用精度和F1评分以及通过皮肤病理学家对442张图像的审查来验证模型性能.
主要成果:
- 七个AI应用实现了>92%的准确性和>80%的F1评分,瘤检测达到75%的F1评分.
- 人工智能成功地对整个组织,瘤微环境,毛囊,脂质腺,表皮,黑色素瘤细胞和线粒分裂进行了细分.
- 皮肤病理学家的审查证实了高准确性,在442张图像中,92%的图像显示了正确的细分.
结论:
- 开发的AI框架在分析复杂的组织学特征方面表现出高性能.
- 消耗大量时间的自动细分功能增强了大规模数据集分析.
- 这种工具有潜力通过提供客观的组织病理学见解来完善黑色素瘤分期.
