MiroSCOPE:一个人工智能驱动的数字病理学平台,用于注释功能组织单元

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• 当前的数字病理学分析经常忽略功能组织单位 (FTU),这对于组织功能和癌症评估至关重要.
• 手动注释FTU是耗时且昂贵的,阻碍了大规模研究.
• 现有的人工智能 (AI) 解决方案缺乏全面的工作流程,以构建用于FTU分析的注释队列.

研究的目的:

• 开发一个端到端的人工智能辅助平台,MiroSCOPE,用于数字病理学中的FTU的可扩展注释.
• 克服手动注释的局限性,加快开发可解释的AI方法用于FTU分析.
• 为癌症研究中FTU级机器学习提供高质量的,公开可用的数据集.

主要方法:

• 开发了MiroSCOPE,这是一个基于QuPath构建的AI辅助平台,用于注释FTU.
• 集成了一个可微调的多类细分模型,并为循环中的人类系统提供了策划特定的可用性特征.
• 应用了MiroSCOPE,在184个前列腺癌血素和素 (H&E) 染色的组织样本中注释了超过71,900个FTU.

主要成果:

• MiroSCOPE显著加速了病理学家对FTU的AI驱动注释.
• 在184个前列腺癌样本上成功注释了71,900多个FTU,证明了乳腺癌应用的可扩展性和潜力.
• 公开发布了Miro-120数据集 (120个前列腺癌H&E样本与30568个注释) 以供社区使用.

结论:

• MiroSCOPE提供了一个可适应的人工智能驱动的平台,用于在数字病理学中高效的FTU注释.
• 便于将关键的结构信息纳入数字病理学分析中.
• 米罗-120数据集是促进癌症研究中FTU级机器学习的宝贵资源.