基于人工智能的虚拟免疫细胞化学,用于快速和强大的细针吸血活检诊断
Irfan Ahmed1,2, Wei Zhang3, Pikting Cheung1
1Department of Physics, City University of Hong Kong, Hong Kong SAR, China.
Diagnostic pathology
|July 17, 2025
概括
一个由人工智能驱动的虚拟免疫细胞化学 (ICC) 平台从整个幻灯片图像中快速分析细胞形态. 这种人工智能工具大大减少了病理学家评估犬类淋巴瘤样本的诊断时间和成本.
科学领域:
- 兽医病理学 兽医病理学
- 计算病理学计算病理学
- 数字病理学数字病理学
背景情况:
- 传统的免疫细胞化学 (ICC) 需要大量的时间 (几个小时到几天),专门的设备和熟练的人员来染色活检样本.
- 准确诊断犬类淋巴瘤依赖于精确识别细胞类型,通常需要ICC.
研究的目的:
- 开发和验证基于人工智能 (AI) 的虚拟ICC平台,用于快速准确的细胞标签.
- 评估平台在使用精细针吸收 (FNA) 样本诊断犬类T细胞和B细胞淋巴结淋巴瘤方面的性能.
主要方法:
- 来自100个犬类淋巴瘤病例的细胞病理幻灯片被赖特-吉姆萨 (WG) 和ICC试剂 (抗CD3或抗PAX5) 染色.
- 数字整张幻灯片图像经过预处理,用于分离斑点和核细分.
- 人工智能模型训练了848万个细分细胞的几何细胞特征,以预测免疫阳性/阴性标签.
主要成果:
- 人工智能虚拟ICC平台实现了高精度,CD3的灵敏度和特异性为0.98和0.97,PAX5.5的灵敏度和特异性为0.94和0.99.
- 该平台展示了细胞计数,空间分布分析,细分和分类方面的功能.
- 虚拟ICC分析在几分钟内完成,与传统方法相比,可节省大量时间和成本.
结论:
- 基于人工智能的虚拟ICC提供了一种快速,准确和精确的方法来评估兽医诊断中的FNA样本.
- 该平台有可能增强诊断细胞和分子病理学能力,特别是淋巴瘤.
- 这项技术为传统的ICC提供了有价值的替代方案,提高了病理学家的工作流效率.
