通过多式人工智能整合组织病理学和CT图像数据来提高间歇性肺部疾病的诊断
Kris Lami1, Mutsumi Ozasa1,2, Xiangqian Che3
1Department of Pathology Informatics, Nagasaki University Graduate School of Biomedical Sciences, Nagasaki, Japan.
概括
一个新的多式人工智能 (AI) 算法集成计算机断层扫描 (CT) 和组织病理学图像显著改善了常见的间歇性肺炎 (UIP) 在间歇性肺部疾病 (ILD) 的诊断. 这种人工智能工具提高了病理学家的诊断准确性和一致性,特别是当专家知识有限时.
科学领域:
- 肺部医学 肺部医学
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 间歇性肺病 (ILD) 诊断需要整合临床,放射学和组织病理学数据.
- 在ILD中准确区分通常的间歇性肺炎 (UIP) 是诊断上具有挑战性的.
- 多学科的方法对于高诊断准确度在ILDs是必要的.
研究的目的:
- 为改进UIP诊断开发一种多式人工智能 (AI) 算法.
- 结合计算机断层扫描 (CT) 和组织病理学图像,以提高诊断性能.
- 使用人工智能提高UIP诊断的准确性和一致性.
主要方法:
- 收集了来自324名ILD患者 (2009-2021) 的CT和病理图像数据集.
- 训练CT组件以识别28个放射性特征;利用先前开发的病理对应物.
- 在114个样本上测试了多式人工智能模型,将其性能与专家和通用病理学家进行了比较.
主要成果:
- 多式联运AI实现了0.92的AUC,以区分UIP与非UIP.
- 一般病理学家显示诊断一致性有所改善 (κ=0.737后模型与0.273前模型).
- 专家病理学家的诊断共识增加了 (κ得分从0.278-0.53提高到0.474-0.602).
结论:
- 多式人工智能算法显著提高了UIP识别的诊断准确性和一致性.
- 人工智能工具提高了通用病理学家的诊断信心.
- 这种AI方法支持准确的UIP诊断,即使在具有有限专业知识的环境中也是如此.


