在数字病理学中评估基于人工智能的乳腺癌线粒检测:关于日常实践整合的临床研究

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 人工智能在瘤学中的应用

背景情况:

• 准确的线粒活性评估对于侵袭性乳腺癌的诊断至关重要.
• 目前的方法耗时,劳动密集型,容易引起病理学家间的变化.
• 需要自动化工具来提高效率和可重复性.

研究的目的:

• 开发和评估基于人工智能的工具,用于评估乳腺癌组织病理学中的线粒活性.
• 评估该工具如何融入常规诊断工作流程.
• 为了提高线粒体评分的准确性和可重复性.

主要方法:

• 开发一种人工智能工具,利用整个幻灯片图像 (WSI) 来检测线粒分裂并识别线粒热点.
• 将人工智能工具集成到病理学家的日常工作流程中.
• 根据埃尔斯顿和埃利斯等级系统,对人工智能工具在线粒评分中的表现进行临床评估.

主要成果:

• 人工智能协助显著提高了病理学家在线粒细胞评分中的准确性和可重复性.
• 人工智能工具一致和自动识别了线粒热点,这是提高得分的关键因素.
• 通过科恩卡帕测量的观察者间可重现性,在人工智能协助下从低 (0.378,0.457) 增加到中等 (0.629,0.726).

结论:

• 人工智能工具可以可靠地识别乳腺癌WSIs中的线粒热点.
• 人工智能显著提高了病理学家在常规诊断环境中得分线状活动方面的表现.
• 这项研究首次证明了集成人工智能工具在乳腺癌病理学中的线粒度评分的临床实用性.