在全幻灯片组织学中基于视觉变压器诊断牛皮和湿疹

科学领域:

• 计算病理学计算病理学
• 皮肤病学中的人工智能
• 组织病理学图像分析分析.

背景情况:

• 牛皮和湿疹是慢性炎症性皮肤疾病,具有重叠的组织病理特征.
• 诊断的不确定性经常出现,即使是经验丰富的皮肤病理学家.
• 准确的区分对于适当的患者管理至关重要.

研究的目的:

• 开发和评估一种计算机辅助的诊断框架,用于使用数字化组织病理学幻灯片对牛皮和湿疹进行分类.
• 利用在全幻灯片图像上预训练的基础模型与多实例学习 (MIL) 相结合.
• 根据基线模型和人类专家的表现来评估性能.

主要方法:

• 开发了一个框架,将Virchow基础模型与MIL (Virchow + CLAM) 结合起来.
• 该模型在内部和外部队列的组织病理学幻灯片上进行了训练和验证.
• 用准确度,F1分数和AUC来评估性能,并与基线CNN和皮肤病理学家读者进行比较.

主要成果:

• 在外部队列中,Virchow + CLAM框架实现了85%的准确性,0.80 F1得分和0.81 AUC.
• 这显著超过了基线卷积神经网络 (61%的准确率) 和没有MIL的模型 (68.8%的准确率).
• 人工智能模型的性能超过了个体皮肤病理学家平均准确度 (47.570.0%) 和多数投票共识 (62.5%).

结论:

• 与MIL相结合的特定领域基础模型显示了对挑战性炎症性皮肤病的分类有很大的潜力.
• 开发的框架为计算机辅助皮肤病理学提供了一个有前途的方法论验证.
• 虽然不是用于临床部署,但这项研究强调了人工智能有助于组织病理学诊断的能力.