针对扩散型大B细胞淋巴瘤的数字病理学AI:对诊断和分类的系统审查

科学领域:

• 数字病理学数字病理学
• 人工智能的人工智能
• 血液病理学 血液病理学

背景情况:

• 扩散性大B细胞淋巴瘤 (DLBCL) 是一种常见的,异质的非霍奇金淋巴瘤,需要密集诊断.
• 人工智能 (AI) 具有提高DLBCL分类数字病理学工作流程的潜力.

研究的目的:

• 使用数字病理学系统地审查AI在DLBCL分类中的性能和临床实用性.
• 评估2020年至2025年间发表的AI模型.

主要方法:

• 按照PRISMA 2020指南进行系统审查.
• 选了734份记录,包括11项研究.
• 使用QUADAS-2和robvis评估偏差;提取了关于AI架构,任务,验证和性能的数据.

主要成果:

• 十一项研究使用了各种AI架构 (CNN,ViT等). ) 的情况.
• 人工智能模型显示了高的诊断指标:准确度 (87-100%),灵敏度 (90-100%),特异性 (52-100%),AUC (高达0.999).
• 人工智能在生物标志物量化和MYC重组预测方面的速度和精度优于病理学家,尽管注意到了患者选择偏差.

结论:

• 人工智能驱动的数字病理学显示出对准确DLBCL分类的巨大潜力.
• 障碍包括选择偏见,有限的外部验证和缺乏标准化.
• 多中心,前性验证对于例行临床整合至关重要.