人工智能辅助增强了眼的脂质细胞癌和状细胞癌之间的组织病理学区别
Jialu Geng1, Kai Zhang2, Li Dong1
1Beijing Tongren Eye Center, Beijing Key Laboratory of Intraocular Tumor Diagnosis and Treatment, Beijing Ophthalmology＆Visual Sciences Key Lab, Medical Artificial Intelligence Research and Verification Key Laboratory of the Ministry of Industry and Information Technology, Beijing Key Laboratory of Intelligent Diagnosis, Treatment and Prevention of Blinding Eye Diseases, Beijing Tongren Hospital, Capital Medical University, Beijing, China.
NPJ digital medicine
|July 4, 2025
概括
深度学习 (DL) 框架有助于区分脂质腺癌 (SGC) 和眼的状细胞癌 (SC). 这种人工智能工具协助病理学家,提高了对这些具有挑战性的眼瘤的诊断准确度.
科学领域:
- 眼科医生 眼科 眼科
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 油脂腺癌 (SGC) 和眼的状细胞癌 (SC) 具有重叠的特征,有误诊的风险.
- 准确的区分对于及时有效治疗眼恶性瘤至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 框架,用于SGC和SC的自动分类.
- 与人类病理学家相比,评估DL框架的性能.
主要方法:
- 使用282个全幻灯片图像 (WSIs) 的DL模型的培训和验证.
- 培训数据集的内部测试和36个WSI的外部验证来自单独的医院.
- 在AI框架和病理学家之间对诊断准确性的比较分析.
主要成果:
- 在内部测试组中,DL框架实现了SGC的84.85%和SC的75.12%的诊断准确率.
- 外部测试显示SGC的准确率为22.22%,SC的准确率为77.78%.
- 在人工智能框架的帮助下,病理学家的准确性从60.0±9.8%提高到76.8±9.6%.
结论:
- 基于人工智能的病理诊断框架显示了与经验丰富的病理学家可比的性能.
- 这种DL工具可以提高诊断的准确性,特别是对于处理眼瘤的非眼科病理学家.
- 该框架为区分具有挑战性的SGC和SC案件提供了有价值的帮助.
