人工智能驱动的组织学用于脑瘤的分子分析:从组织进行智能诊断

科学领域:

• 神经瘤学神经瘤学
• 计算病理学计算病理学
• 分子诊断学 分子诊断学

背景情况:

• 世界卫生组织 (WHO) 对中枢神经系统 (CNS) 瘤的分类整合了分子特征,以改善诊断和精确医学.
• 对分子检测的不平等接入阻碍了对脑瘤的综合诊断的普遍应用.
• 人工智能 (AI) 通过直接从组织学数据中预测分子变化,提供了一个潜在的解决方案.

研究的目的:

• 利用组织学数据,审查人工智能辅助的脑瘤分子分析预测的当前进展.
• 突出AI在克服神经瘤学诊断可访问性挑战方面的潜力.
• 探索AI在永久性和手术内组织切口中的应用.

主要方法:

• 深度学习模型应用于整片图像 (WSIs) 的永久性部分,用于质瘤生物标志物预测 (IDH突变,1p/19q共删除),分子亚型和结果预测.
• 人工智能应用于手术内冷切割,用于实时质瘤分级和分子预测.
• 探索新的模式,如刺激拉曼组织学和域适应图像翻译,用于无标签的组织分析.
• 以人工智能驱动的脊髓表瘤的基于形态的分子分类和质瘤与初级中枢神经系统淋巴瘤的手术内区分.

主要成果:

• 人工智能模型在预测关键分子生物标志物和WSI质瘤亚型方面达到神经病理学家水平的准确性.
• 人工智能能够实时分析手术内冷切割,促进立即的临床决策.
• 人工智能驱动的组织学在分类其他脑瘤和在手术内区分瘤类型方面表现有前途.
• 人工智能与组织学的整合为快速,准确和全球可访问的神经瘤学诊断提供了途径.

结论:

• 人工智能驱动的从组织学中预测分子变化是一个快速发展的领域,在神经瘤学中具有显著的潜力.
• 人工智能辅助诊断可以民主化对综合瘤分类的访问,改善全球患者护理.
• 组织学和计算方法之间的协同作用即将彻底改变脑瘤诊断和管理.