病理学家阅读与人工智能驱动的评估瘤透性淋巴细胞在黑色素瘤
Thazin N Aung1, Matthew Liu1, David Su2
1Department of Pathology, Yale University School of Medicine, New Haven, Connecticut.
JAMA network open
|July 3, 2025
概括
人工智能 (AI) 算法显著提高了瘤透性淋巴细胞 (TIL) 量化在黑色素瘤中的可重复性,而不是手动病理学家的评估. 这种人工智能方法也证明了预后价值,为黑色素瘤诊断和治疗提供了更可靠的方法.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 生物标记分析 生物标记分析
背景情况:
- 瘤透淋巴细胞 (TILs) 是黑色素瘤的关键生物标志物,影响诊断,预后和免疫治疗反应.
- 病理学家对TILs的传统手动评估显示出显著的观察者间变异性,导致不一致的临床决定.
研究的目的:
- 评估机器学习算法的分析和临床有效性,用于在黑色素瘤中量化TIL.
- 将人工智能驱动的TIL评估与传统的病理学家读取方法的可重现性和预后价值进行比较.
主要方法:
- 一项全球,多机构的研究将手动TIL评分与45个机构的AI驱动方法进行了比较.
- 使用类内相关系数 (ICC) 和肯德尔W值来评估可重现性.
- 考克斯回归分析评估了基于AI的TIL分数的预后价值.
主要成果:
- 人工智能算法表现出卓越的可重复性,ICC>0.90,显著优于手动评估 (ICC=0.61,Kendall W=0.44).
- 基于AI的TIL分数显示出与患者的预后结果有显著的预后关联,不同切线处的危险率为0.45和0.56.
- 人工智能辅助组包括病理学家和非病理学家,这表明应用范围更广.
结论:
- 与传统方法相比,人工智能算法为黑色素瘤的TIL量化提供了更好的可重现性和预后关联.
- 虽然临床实用性需要进一步验证,但人工智能工具为将客观的TIL评估纳入黑色素瘤管理提供了基础.
