病理生物学字典定义病理和纹理特征:在个性化肝癌中解决可理解的AI问题;字典版本LCP1.0

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算病理学计算病理学

背景情况:

• 人工智能 (AI) 在医学诊断方面表现有前途,但由于缺乏可解释性,其临床采用受到阻碍.
• 将复杂的成像特征转化为具有临床意义的见解对于将AI整合到诊断工作流程中至关重要.

研究的目的:

• 开发和验证肝癌病理生物学词典 (LCP1.0),这是一个框架,可以将AI衍生的病理学 (PF) 和放射学特征 (RF) 与临床语义联系起来.
• 提高人工智能模型在肝癌诊断中的透明度和可用性.

主要方法:

• 使用QuPath和Pyradiomics从肝细胞癌 (HCC) 组织样本中提取了333个成像特征 (PF和RF),遵守IBSI指南.
• 利用专家定义的感兴趣区域和特征选择算法 (SVM的可变值) 来识别生存结果预测的关键特征.
• 与8名瘤学和病理学专家一起验证了LCP1.0字典.

主要成果:

• 使用SVM的可变值特征选择实现了0.80 ± 0.01的交叉验证准确度,选择了20个关键特征.
• 确定了与细胞核和细胞质特征相关的特征 (例如,细胞核,细胞核,细胞质) 与瘤分级和预后有很强的关联.
• 选择的特征反映了类型不一致的指标,如形,多色色和细胞方向.

结论:

• LCP1.0提供了AI输出和肝癌病理学专家解释之间的临床验证的桥梁.
• 将AI衍生特征与临床语义对齐,有助于开发可解释和可信的诊断工具.
• 该框架通过提高模型透明度和可用性,促进AI在临床实践中的采用.