在糖尿病病中简化组织病理学工作流程,使用人工智能

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 计算病理学计算病理学
• 人工智能的人工智能

背景情况:

• 在动物模型中对糖尿病病 (DKD) 病理学的评估是缓慢和主观的.
• 人类脏活检数据有限,这阻碍了从动物模型转化到人类的研究.

研究的目的:

• 开发人工智能驱动的工作流程,以在糖尿病病动物模型中进行高效和准确的组织病理学评估.
• 提高人工智能评分模型的翻译能力,从临床前动物研究到人类脏活检.

主要方法:

• 开发了一个人工智能工作流程,包括质细胞检测,快速得分的专家注释工具和自动得分.
• 利用未标记的临床前数据进行自我监督学习,以提高AI性能和减少偏见.
• 实施了一种方法,使人工智能模型适应人类的特征,以实现跨物种的翻译.

主要成果:

• 人工智能注释工具减少了80%的评分时间;自动评分减少了90%的时间,超过了专家协议.
• 自主监督学习实现了0.78的k;与监督学习相结合,性能提高到k = 0.84,减少偏差.
• 翻译方法在人类质细胞中实现了0.63的 κ,将翻译差距减少了45%.

结论:

• 人工智能辅助的评分加速了病理学读数,并减少了医药环境中的病理学家工作量.
• 自主监督学习捕捉了形态,最大限度地减少了偏见,并弥合了DKD药物开发中的翻译差距.