两种人工智能工具的对比比较,用于检测淋巴结转移在整个幻灯片病理图像中的淋巴结转移,在预期用途内和之外

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 瘤学 诊断 诊断 瘤学

背景情况:

• 癌症发病率上升增加了病理学工作量,需要有效的诊断解决方案.
• 人工智能 (AI) 提供了淋巴结 (LN) 转移检测的潜力,这对于癌症分期至关重要.
• 目前为体外诊断认证的人工智能工具通常是针对瘤的,这限制了成本效益和临床效用.

研究的目的:

• 评估两种符合欧洲In Vitro诊断认证的人工智能工具 (Visiopharm转移检测应用程序和DeepPath LYDIA) 的性能,用于多用途的LN转移检测.
• 评估AI工具在六种不同类型的癌症中的有效性,包括超出其预期用途的应用.
• 分析对各种转移大小的敏感性,并评估错误阳性警报率.

主要方法:

• 从455名患有黑色素瘤,结肠直肠癌,头癌,肺癌,阴道癌和乳腺癌的全幻灯片图像的回顾性分析.
• 包括哨兵和非哨兵LNs,与专家病理学家裁决的参考标准.
• 绩效指标包括由转移大小分层的敏感性和1012张瘤阴性幻灯片上的假阳性警报评估.

主要成果:

• 这两种人工智能工具在所有评估的瘤类型中都表现出对大转移的出色敏感性.
• DeepPath LYDIA对微转移和孤立的瘤细胞,特别是肺癌和黑色素瘤的敏感度略高.
• 对于这两种工具来说,观察到大量的错误阳性警报率,Visiopharm转移检测应用程序产生了更多的警报,特别是在肺癌和乳腺癌中.

结论:

• 单个人工智能工具可能适用于在多种瘤类型中检测LN转移,即使在超出其预期范围时也适用.
• 高错误阳性率,特别是在肺癌中,可能会阻碍这些AI工具的实际临床实用性.
• 进一步的前性研究至关重要,以验证工作流效率的提高,并建立最佳的AI实施策略在病理学.