通过一个强大的,开源的病理学研究工具来自动化肝活检细分:HOTSPoT模型

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 医学中的人工智能.

背景情况:

• 目前用于肝病理学的人工智能 (AI) 工具的应用有限,缺乏外部验证.
• 在肝病理学中,对整个幻灯片图像 (WSIs) 的自动分析对于提高诊断准确性和效率至关重要.

研究的目的:

• 引入和验证HOTSPoT,这是一个开源的,基于变压器的AI模型,用于在H&E染色肝活检WSI中自动细分门道.
• 评估HOTSPoT在多机构数据集中的性能和通用性.

主要方法:

• 开发HOTSPoT,用于语义细分的基于变压器的模型.
• 在223个H&E染色肝活检WSI的多机构数据集上进行培训和验证,并由专家肝病理学家进行注释.
• 使用子分数和交叉点对联盟 (IoU) 的细分表现的评估,以及域名转移的评估.

主要成果:

• HOTSPoT实现了高细分性能,平均子得分为0.92 (火车/) 和0.91 (测试),平均IOU为0.86,0.85和0.84.
• 该模型展示了不同机构之间最小的域名转移.
• 自动门管量化显示与手动评估有很强的一致性 (κ高达0.90),门管区域与纤维化阶段有显著的相关性 (r=0.87,p<0.001).

结论:

• HOTSPoT是一个经过验证的,开源的AI工具,用于肝病理学中准确的门道细分.
• 该模型促进了自动定量化,并显示了对肝纤维化的客观评估的潜力.
• 由于HOTSPoT的可用性和集成功能 (TorchScript,WSInfer,QuPath) 促进了其在数字病理学工作流程中的采用.