基于多子成像的皮肤T细胞淋巴瘤自动识别

科学领域:

• 皮肤病学
• 医学成像
• 人工智能

背景情况:

• 皮肤T细胞淋巴瘤 (CTCL),特别是真菌菌病 (MF),由于非特异性临床和组织病理发现,在早期存在诊断挑战.
• 延迟MF的诊断可能导致治疗的显著延迟,影响患者的结果.
• 新的诊断方法对于改善CTCL的诊断和治疗策略至关重要.

研究的目的:

• 评估非线性光学显微镜 (NLOM) 用于成像血素和素 (H&E) 染色的皮肤样本.
• 在使用NLOM的MF皮肤样本中开发和应用人工智能 (AI) 模型来检测非典型的表皮和皮肤细胞.
• 评估NLOM对新鲜,未染色的活检样本的体内皮肤成像的潜力.

主要方法:

• 使用亮场显微镜和NLOM分析MF病变的H&E染色皮肤活检样本.
• 用专家标记的图像训练卷积神经网络 (CNN),以识别皮肤淋巴细胞.
• 将AI模型应用于来自两种成像模式和新鲜,未染色样本的独立数据集.

主要成果:

• 在H&E染色的MF组织中,NLOM成功成像了表皮和皮肤结构,具有亚细胞分辨率.
• 在分析图像中,人工智能模型准确地检测出淋巴细胞表皮透和皮肤透.
• NLOM 已经证明能够对高达 400 微米深度的新鲜,未染色的活检进行成像.

结论:

• 与AI相结合的NLOM有效地检测了H&E染色皮肤组织中MF的关键特征,包括淋巴细胞表皮缩和皮肤透.
• 这种综合方法为皮肤科医生提供了一种有价值的工具,以提高MF-CTCL的诊断和预后.
• 这些发现表明,在MF-CTCL治疗中,可能有更及时,更精确的治疗干预措施.