病理学家-人工智能对HER2解释中的一致性,用于晚期胆道癌症:内观测者,间观测者和人类-人工智能变量

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 医疗成像医学成像

背景情况:

• 胆道癌 (BTC) 是一种具有有限治疗选择的侵袭性恶性瘤.
• HER2过度表达发生在BTC患者的一个子集中,使其成为治疗的目标.
• 在BTC中准确评估HER2具有挑战性,特别是对于低表达水平.

研究的目的:

• 通过光显微镜 (LM) 和数字病理学 (DP) 的病理学家在先进的BTC中比较HER2的解释.
• 评估人工智能 (AI) 驱动病理学在提高HER2评分一致性方面的潜力.
• 量化BTC在HER2评估中的观察者内部和观察者间的变异性.

主要方法:

• 分析了309个来自高级BTC患者的HER2免疫组织化学幻灯片.
• 三位病理学家独立评估了两次使用LM和DP的HER2表达.
• 一个人工智能全幻灯片图像分析仪评估了HER2表达,根据共识确定了基本真相.

主要成果:

• 病理学家在62.1% (LM) 和63.4% (DP) 的病例中达成完全一致.
• 人工智能显示,对HER2类别的基本真理的一致率为83.5%.
• 临床因素影响了病理学家的变异性,而组织学等级影响了AI的性能.

结论:

• 人工智能驱动的HER2评分显示了与BTC病理学家评估的高度一致.
• 人工智能病理预计将帮助病理学家实现更客观的HER2评估.
• 提高HER2评分的一致性可以提高BTC患者的治疗决策.