人工智能预测了11个异构体的基因型和表型在狗皮质巨细胞瘤:人类观察者可以学习吗?
Chloé Puget1, Jonathan Ganz2, Christof A Bertram3
1Freie Universität Berlin, Berlin, Germany.
Veterinary pathology
|October 8, 2025
概括
研究人员调查了病理学家是否可以从组织学幻灯片中识别特定的犬类巨细胞瘤突变 (c-KIT-11-ITD). 尽管受过训练,但人类观察员仍在努力可靠地检测这些突变,这表明在翻译人工智能的过程中存在差距.
科学领域:
- 兽医病理学 兽医病理学
- 狗类瘤学 狗类瘤学
- 数字病理学数字病理学
背景情况:
- 狗皮质巨细胞瘤 (ccMCTs) 是常见的,并表现出多样化的行为.
- 在c-KIT外体11 (c-KIT-11-ITD) 中的内部并列重复与ccMCTs的预后不佳有关,但预测对氨酸激酶抑制剂的反应.
- 以前的AI模型从整个幻灯片图像 (WSI) 中预测了c-KIT-11-ITD,这表明了潜在的形态特征.
研究的目的:
- 在ccMCT中识别c-KIT-11-ITD的形态特征.
- 评估人类病理学家学习和识别这些特征的能力.
- 评估人工智能驱动的洞察力对人类观察者的可转移性.
主要方法:
- 这是一项三阶段的盲目研究,涉及17名病理学家.
- 在没有培训的情况下对c-KIT-11-ITD状态进行WSIs和图像补丁的初始分类.
- 自主训练阶段使用正确分类的WSIs和补丁.
- 培训后对感知到的相关显微特征进行分类和报告.
主要成果:
- 在没有培训的情况下,病理学家在WSI上达到63%-88%的准确率,在贴片上达到43%-55%的准确率.
- 自主训练导致WSI精度降低 (25%-38%),但补丁精度提高 (55%-56%).
- 建议的特征,如形和稀疏粒度缺乏可靠的预测价值.
结论:
- 将AI识别的c-KIT-11-ITD形态特征转移到人类病理学家是具有挑战性的.
- 在ccMCT中发现c-KIT-11-ITD的具体,可靠的形态指标仍然难以在人类中检测.
- 需要进一步的研究来提取和定义这些AI识别的特征用于临床应用.
