一种新的三阶段人工智能辅助方法,用于准确的差分诊断和NIFTP和甲状腺瘤的分类
Shweta Birla1, Nimisha Tiwari1, Pragati Shyamal2
1Translational Bioinformatics Group, International Centre for Genetic Engineering and Biotechnology (ICGEB), New Delhi, 110067, India.
Endocrine pathology
|June 18, 2025
概括
人工智能有助于诊断带有乳头状核特征 (NIFTP) 的非侵入性卵泡性甲状腺瘤. 一个人工智能管道显示出希望,但需要进一步验证用于临床使用,以区分NIFTP与其他甲状腺病变.
科学领域:
- 数字病理学数字病理学
- 医学中的人工智能
- 内分泌病理学 内分泌病理学
背景情况:
- 非侵入性毛囊性甲状腺新生体与乳头状核特征 (NIFTP) 被重新分类为低风险新生体,减少过度治疗.
- 鉴于NIFTP的重叠特征和观察者之间的变异性,对其组织病理学诊断具有挑战性.
- 人工智能 (AI) 提供了克服基因病理评估局限性的潜力.
研究的目的:
- 开发和评估基于人工智能的管道,以区分NIFTP与其他甲状腺实体.
- 评估AI在NIFTP分类中的诊断准确性.
主要方法:
- 一个基于人工智能的三阶段层次管道被开发来评估建筑和核特性.
- 模型在134个甲状腺部分 (125个结节) 的154,498个贴片上接受了训练.
- 包括实体:毛囊结节性疾病,毛囊腺瘤,侵入性EFVPTC和乳头甲状腺癌亚型.
主要成果:
- 外部验证显示了良好的整体,患者智能和类智能的准确性.
- 在将NIFTP与侵入性EFVPTC区分时,观察到的局限性是由于重叠的核特征和缺乏囊评估.
- 人工智能方法看起来很有前途,但需要进一步改进和验证.
结论:
- 开发的AI管道显示了改善NIFTP组织病理学诊断的潜力.
- 在临床实施之前,需要进一步改进和严格验证.
- 人工智能可以提高甲状腺病理学的诊断稳定性和效率.
