基于多AI模型整合策略的PD-L1 CPS的自动解释
Ting Han1, Meng Zhuo1, Ziyu Song2
1Department of Oncology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China.
Frontiers in immunology
|August 22, 2025
概括
一个人工智能系统自动化了用于胃癌免疫治疗的编程细胞死亡配体-1 (PD-L1) 组合阳性评分 (CPS) 评估. 这种人工智能工具显著降低了观察者之间的差异性,提高了诊断一致性.
科学领域:
- 癌症学
- 计算病理学
- 人工智能
背景情况:
- 准确的编程细胞死亡-1 (PD- L1) 组合阳性评分 (CPS) 评估对于预测胃癌 (GC) 免疫治疗反应至关重要.
- 病理学家的手动CPS评估显示了观察者之间的显著变化,导致临床不一致.
- 使用人工智能 (AI) 来自动量化PD-L1 CPS可以解决这些局限性.
研究的目的:
- 开发和验证基于深度学习的AI系统,用于胃癌患者的自动 PD-L1 CPS量化.
- 评估AI衍生的CPS值与专家病理学家的共识的一致性.
- 评估人工智能系统在内部和外部队伍中的表现.
主要方法:
- 使用双网络架构 (MobileNet和U-Net) 来检测瘤区域.
- 一个基于YOLO的细胞检测模型计算了PD-L1表达式用于CPS计算.
- 在内部和外部群体的308个整片图像 (WSIs) 上进行了AI管道的训练和测试.
主要成果:
- 在内部队列中,AI衍生的CPS与病理学家的共识有很强的一致性 (Cohen的kappa=0.782).
- 人工智能系统在外部队列中表现出强的表现 (科恩的kappa = 0.737).
- 人工智能系统提供了一种可重复的CPS评估方法.
结论:
- 开发的AI系统为GC免疫疗法分层提供了标准化的决策支持工具.
- 这种AI方法有可能提高PD-L1CPS评估的可重复性.
- 在接受免疫治疗的胃癌患者中,自动化PD- L1 CPS评估可以改善临床决策.
