基于人工智能的骨髓病理学定量分析用于骨髓扩散性新生瘤.
Dandan Yu1, Hongju Zhang2, Yanyan Song2
1State Key Laboratory of Experimental Hematology, National Clinical Research Center for Blood Diseases, Haihe Laboratory of Cell Ecosystem, Tianjin Key Laboratory of Gene Therapy for Blood Diseases, CAMS Key Laboratory of Gene Therapy for Blood Diseases, Institute of Hematology and Blood Diseases Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Tianjin 300020, China; Tianjin Institutes of Health Science, Tianjin 301600, China; School of Population Medicine and Public Health, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100730.
Haematologica
|June 12, 2025
概括
一个人工智能平台对骨髓病理进行定量分析,用于诊断骨髓扩散性瘤 (MPN). 这种客观的方法提高了MPN分类的准确性,帮助血液病理学家进行诊断.
科学领域:
- 血液学 血液学 血液学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 精确的诊断和骨髓扩散性瘤 (MPNs) 的分类依赖于骨髓病理学评估.
- 骨髓特雷芬 (BMT) 段的形态评估是主观的,需要客观的诊断系统.
研究的目的:
- 开发BMT部分的自动化定量分析平台,以改善MPN诊断和分类.
- 通过客观分析骨髓指标来提高诊断准确性.
主要方法:
- 开发了一个使用U2-Net,UNeXt和ResNet的自动化定量分析平台,用于BMT部分.
- 定量分析骨髓指标:细胞性,M:E比率,巨核细胞特征和骨髓纤维化 (MF) 精度为~0.9和~0.8 IoU.
- 采用随机森林分类器来构建骨髓,临床和综合分类模型.
主要成果:
- 该自动化平台在细分和识别细胞和组织方面取得了高准确性.
- 骨髓和综合分类模型显示,在区分MPN亚型和非新生病例时,宏观平均AUC为0.96.
- 临床分类模型实现了宏观平均AUC为0.92.
结论:
- 开发的平台为MPN分类提供了高度准确的骨髓病理学的定量分析.
- 这种由人工智能驱动的工具可以在疑似MPN病例中作为血液病理学家的有价值的辅助诊断工具.
