一个生成的视觉语言模型,用于整体的病理评估,使用在肝细胞癌的手术前成像
Liyang Wang1, Fa Tian2, Fan Li3
1School of Biomedical Engineering, Tsinghua University, Beijing, China; Hepatopancreatobiliary Center, Beijing Tsinghua Changgung Hospital, Institute for Precision Medicine, Key Laboratory of Digital Intelligence Hepatology (Ministry of Education), Tsinghua University, Beijing, China; Research Unit of Precision Hepatobiliary Surgery Paradigm, Chinese Academy of Medical Sciences, Beijing, China.
EBioMedicine
|December 3, 2025
概括
HepaPathGPT使用人工智能和手术前成像来进行肝细胞癌 (HCC) 的非侵入性病理分析. 这种方法提供实时见解,改善HCC患者的临床决策.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 计算病理学计算病理学
背景情况:
- 传统的肝细胞癌 (HCC) 病理评估需要侵入性手术切除,限制了手术前的洞察力,并带来风险.
- 目前的方法缺乏对HCC患者的实时,非侵入性病理评估能力.
研究的目的:
- 开发HepaPathGPT,这是一种利用术前成像进行HCC详细,非侵入性病理解释的AI工具.
- 为使HCC患者能够实时进行病理评估,增强手术前的理解.
主要方法:
- 在10个队列中对1091名HCC患者进行了回顾性分析.
- 使用SegFormer-b5进行瘤细分和视觉语言对齐以进行特征映射.
- 采用低级调整 (LoRA) 来微调模型,将成像特征转化为结构化的组织学报告.
主要成果:
- 获得了强大的瘤细分 (IoU:0.883 ± 0.007, Dice:0.934 ± 0.006).
- 在外部验证 (n=109) 中,六个病理标记的平均准确度为0.697 ± 0.024.
- 由病理学家评价的准确性 (92.5%) 和完整性 (87.4%) 是可以接受的.
结论:
- HepaPathGPT提供了一种新的,非侵入性的方法,用于HCC的病理分析.
- 该技术对HCC患者管理具有显著的临床价值,并显示出可扩展到其他疾病的潜力.
