人工智能 (AI) 驱动的查不明确的前列腺免疫组织化学 (IHC) 病例:开发和验证查和癌症检测框架
Ramin Nateghi1, Ruoji Zhou2, Madeline Saft1
1Department of Urology, Northwestern University Feinberg School of Medicine, Chicago, Illinois.
概括
人工智能模型可以有效地选具有挑战性的前列腺活检病例,减少对免疫组织化学 (IHC) 的需求,并优化病理学工作流程. 这种人工智能方法有助于前列腺癌诊断,降低成本和周转时间.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 人工智能在诊断中的应用
背景情况:
- 前列腺活检是诊断需求的主要驱动力.
- 免疫组织化学 (IHC) 增加了前列腺癌诊断中的工作,时间和成本.
- 模两可的案例给AI带来了挑战,并增加了对IHC的依赖.
研究的目的:
- 在数字病理学幻灯片中开发和评估用于前列腺癌检测的AI模型.
- 为了减少工作,周转时间和与IHC相关的成本,在不明确的前列腺活检病例中.
- 将前列腺特异性AI模型与用于查和检测的通用基础模型进行比较.
主要方法:
- 在2021年8月至2023年4月期间,从1641名患者中扫描了25570张幻灯片.
- 开发了敏感和特定的AI模型来选具有挑战性的模两可的案例.
- 将前列腺特异型模型的性能与一般基础模型进行比较.
主要成果:
- 查模型正确分类了55%的需要IHC的模两可的病例,错误率为1.4%.
- 前列腺特异性模型与病理学家的基本真相达到了很高的一致性 (AUC 98.5%,灵敏度 95.0%,特异性 97.8%).
- 一个基础模型显示了更高的选率,但增加了错误和计算需求.
结论:
- 人工智能模型可以有效地选具有挑战性的前列腺活检病例,减少不必要的IHC利用.
- 计算模型有助于前列腺癌诊断,并优化病理学工作流程.
- 人工智能提供了一个解决方案,以满足对病理学诊断服务日益增长的需求.
