深度学习辅助量化肝脏样本中型肝炎相关的病理发现
Shinji Mizuochi1, Reiichiro Kondo1, Shusuke Kawamura1
1Department of Pathology, Kurume University School of Medicine, Kurume, Fukuoka, Japan.
概括
一个新的深度学习人工智能模型准确地量化了肝脏组织中的脂肪肝炎 (脂肪肝疾病),测量了脂肪,气球膨胀和纤维化. 这种人工智能工具提高了肝病理学评估的客观性.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 数字病理学数字病理学
- 人工智能在医学中的应用
背景情况:
- 肝脏组织病理学的半定量评分可能缺乏客观性和可重现性.
- 开发了一种深度学习模型,以客观量化型肝炎的病理发现.
- 人工智能旨在提高评估肝病进展的准确性.
研究的目的:
- 开发和验证一种深度学习模型,用于量化与脂肪肝炎相关的病理发现.
- 评估模型在肝脏样本中测量肥胖症,气球膨胀和纤维化百分比的能力.
- 为了将AI量化指标与组织学等级和基于超声波的测量相关联.
主要方法:
- 训练了一个卷积神经网络 (AI),使用18个脂肪肝和8个慢性肝炎肝脏样本.
- 人工智能模型在肝脏活检样本中量化了%,%气球化和%纤维化.
- 通过与专家组织学评估和超声波参数进行比较,在233名患者中验证了AI模型的性能.
主要成果:
- 人工智能准确地测量了% 化,% 气球化和% 纤维化.
- %肥胖症与组织学肥胖症等级 (R=0.78) 和超声波CAP (R=0.51) 强烈相关.
- 在NASLD患者中的纤维化与组织纤维化阶段 (R=0.72) 和超声波弹性图 (R=0.7) 强烈相关.
结论:
- 基于深度学习的病理学提供了一种客观的方法来量化肝脏组织中与脂肪肝炎相关的发现.
- 人工智能模型是用于病理评估的定量工具,而不是诊断算法.
- 这项技术有可能提高肝病评估的一致性和准确性.
