通过全片边缘断层扫描进行临床级自主细胞病理学

科学领域:

• 细胞病理学和人工智能的人工智能
• 数字病理学和医学成像学
• 瘤学和癌症诊断 癌症诊断

背景情况:

• 细胞病理学对于早期癌症检测至关重要,但受到主观解释的影响,限制了诊断准确性.
• 目前在细胞病理学中的人工智能系统是辅助的,需要人类监督,不能实现完全自主,临床级性能.
• 现有的诊断方法在一致性,速度和可扩展性方面面临挑战,以实现广泛的癌症查.

研究的目的:

• 开发和评估一个临床级的自主细胞病理学管道,用于端到端的自动化.
• 评估人工智能系统在提高细胞病理学诊断准确性和一致性方面的表现.
• 为常规,可扩展和客观的细胞学诊断奠定基础.

主要方法:

• 集成高分辨率,实时光学全片断层扫描与边缘计算进行自动化分析.
• 实现本地化数据压缩,以简化存储和加速人工智能驱动的分析.
• 利用视觉转换器模型进行细胞级分类和全人口形态分析.

主要成果:

• 人工智能模型在单细胞水平上实现了ROC曲线下的面积 (AUC) >0.99,用于检测各种宫病变.
• 在多中心评估中,该系统显示了高滑动水平AUC值 (0.86-0.91对于LSIL+,0.89-0.97对于HSIL+).
• LSIL计数与HPV阳性相关,HSIL计数与诊断严重程度相关,验证了临床相关性.

结论:

• 开发的自主细胞病理学管道在成像速度,质量和数据量方面提供了实用的性能.
• 该系统可实现自主选细胞学,为客观和可扩展的癌症诊断提供基础.
• 这种人工智能驱动的方法显著提高了细胞病理学的诊断准确性和一致性,解决了手动解释的局限性.