在骨髓活检中开发基于人工智能的自动化工具,用于评估骨髓活检中的网红素纤维化
Giuseppe D'Abbronzo1, Antonio D'Antonio2, Annarosaria De Chiara3
1Pathology Unit, Department of Mental and Physical Health and Preventive Medicine, Università Degli Studi Della Campania "Luigi Vanvitelli", Via Luciano Armanni 5, 80138, Naples, Italy.
概括
一个新的数字病理学系统使用人工智能自动化骨髓纤维化分级. 这种工具可以提高血液学疾病的诊断准确性和一致性,例如骨髓增殖性瘤.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 血液病理学 血液病理学
背景情况:
- 骨髓纤维化对于诊断和管理血液学疾病,特别是骨髓扩散性瘤至关重要.
- 目前的纤维化评估依赖于体化学染色和专家病理学家的解释,导致变化.
- 需要标准化和可重复的纤维化分级来改善临床决策.
研究的目的:
- 开发和验证一个数字病理学系统,用于自动化骨髓网球蛋白纤维化分级.
- 与专家病理学家相比,评估基于人工智能算法的纤维化分级算法的性能.
- 建立可复制和标准化的骨髓纤维化评估方法.
主要方法:
- 利用了来自费城染色体阴性髓扩散性瘤患者的86个骨髓活检样本.
- 训练了一个完全卷积网络 (InceptionV3) 在整片幻灯片图像上.
- 通过使用科恩的卡帕系数对专家血液病理学家的评估验证了算法.
主要成果:
- 人工智能算法与专家病理学家达成了很好的协议,显示了0.831.8的科恩卡帕.
- 在等级MF0 (k=0.918) 和MF3 (k=0.886) 中观察到高一致性.
- 该系统在多个机构和扫描平台中表现出稳健性,总体协议为0.816.
结论:
- 数字病理学工具可以提供标准化和可复制的骨髓纤维化分级.
- 自动分级有助于病理学家在临床决策和血液学疾病的培训.
- 这种人工智能驱动的方法有可能显著改善骨髓纤维化的评估.
