基准病理学基础模型用于预测结直肠癌组织病理学中的微卫星不稳定性
Mohsin Bilal1, Muhammad Aamir Gulzar2, Nazish Jaffar3
1Department of Information Systems, College of Computer Engineering and Sciences, Prince Sattam bin Abdulaziz University, Al-Kharj, Saudi Arabia.
概括
病理学基础模型是基准的,用于从结直肠癌幻灯片预测微卫星不稳定性. CONCH实现了极高的准确性,显示了有效的临床诊断的潜力,并确定了关键的形态特征.
科学领域:
- 计算病理学计算病理学
- 人工智能在医学中的应用
- 数字病理学诊断 诊断 数字病理学诊断
背景情况:
- 基础模型正在快速发展,用于病理学任务.
- 严格的基准测试对于这些模型的临床采用至关重要.
- 预测微卫星不稳定 (MSI) 状态是结肠直肠癌的关键常规临床测试.
研究的目的:
- 评估和基准三个领先的病理学基础模型 (UNI,Virchow2,CONCH) 用于MSI预测.
- 评估不同数据集和条件的模型性能,包括染色,组织和分辨率不变性.
- 研究有效的适应策略和增强技术,以提高强度和临床效用.
主要方法:
- 评估了TCGA (美国) 和PAIP (韩国) 数据集中的结直肠癌全幻灯片图像上的UNI,Virchow2和CONCH.
- 开发了一个高效的管道,最低限度的预处理,并采用五种作物策略来增强上下文编码.
- 将幻灯片级聚合和适应策略进行比较,包括ProtoNet和ANN的适应.
主要成果:
- 在PAIP数据集上的外部验证中,CONCH获得了最高的平衡精度 (0.775,0.778).
- UNI在TCGA (0.778) 上显示出强大的交叉验证性能,但外部验证率较低 (0.764),表明潜在的过拟合.
- CONCH对预先查 (0.90-0.94) 显示出高灵敏度,并将血细胞确定为MSI预测的关键形态特征 (精度高达92.4%).
结论:
- 病理学基础模型可以有效地适应MSI状态预测,提高诊断效率.
- CONCH显示出临床应用的前景,特别是在MSI稳定病例的预选中.
- 特定任务的微调可能是必要的,以实现最佳的概括,可解释性分析有助于理解模型预测.
