一种基于人工智能的综合性方法来分类乳腺病变:专注于提高病理学家的准确性和效率
Maryam Tahir1, Yan Hu1, Himani Kumar1
1Department of Pathology, The Ohio State University Wexner Medical Center, Columbus, OH.
Clinical breast cancer
|April 16, 2025
概括
一个人工智能 (AI) 工具从整个幻灯片图像 (WSIs) 中准确地分类乳腺病变,提高病理学家的诊断准确性和效率. 这种AI显示出高灵敏度和特异性,支持其在常规病理学实践中的使用.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 医疗人工智能的人工智能
背景情况:
- 准确的乳腺病变分类对于有效的临床决策和患者管理至关重要.
- 整个幻灯片图像 (WSIs) 越来越多地用于病理学,需要先进的分析工具.
- 人工智能 (AI) 提供了自动化和改善病理学诊断准确性的潜力.
研究的目的:
- 评估AI解决方案的性能,使用WSIs对乳腺病变进行分类.
- 将AI的分类准确性与专家乳腺病理学家建立的基本真相进行比较.
- 评估人工智能协助对病理学家诊断准确性和效率的影响.
主要方法:
- 分析了104例乳腺病例的队列,包括侵袭性癌瘤,微侵袭性癌瘤,管道癌在位 (DCIS) 和叶状瘤/良性病例.
- 人工智能的分类性能被使用诸如曲线下的面积 (AUC),灵敏度和特异性等指标评估.
- 对比了病理学家在人工智能支持下和没有人工智能支持的情况下的表现,以及审查时间和辅助测试使用的变化.
主要成果:
- 人工智能在侵袭性癌症 (0.976),DCIS (0.976) 和叶状瘤 (0.953) 中实现了高AUC,在不同类别中具有出色的灵敏度和特异性.
- 在微化检测方面,AI表现强 (AUC 0.925,灵敏度95%).
- 人工智能支持使病理学家的准确性从97.1%提高到100%,审查时间减少了16.5%,免疫组织化学使用减少了33%.
结论:
- 人工智能解决方案展示了从WSIs准确和高效的乳腺病变分类的巨大潜力.
- 人工智能工具具有很高的灵敏度和特异性,在某些方面与专家的表现相当或超过.
- 支持将这种AI整合到常规病理学实践中,在诊断准确性,效率和资源利用方面提供好处.
