基于人工智能的病理模型用于检测泛癌淋巴结转移:一个多中心诊断研究,具有追溯和前性验证

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能的人工智能

背景情况:

• 精确的淋巴结转移检测对于癌症的分期和治疗至关重要.
• 传统方法可能会错过微转移,导致诊断不足.
• 这项研究开发了一种AI模型,用于检测泛癌淋巴结转移.

研究的目的:

• 开发和验证一种泛癌人工智能诊断模型 (PanCAM),用于检测淋巴结转移.
• 评估PanCAM在常见和罕见的癌症类型中的通用性.
• 将PanCAM的表现与人类病理学家的表现进行比较.

主要方法:

• 一项多中心研究包括来自中国17家医院的患者,包括常见和罕见的癌症.
• 用监督和增量学习策略分析了淋巴结的整个幻灯片图像 (WSIs).
• 在多个机构进行了追溯和前性验证,包括CAMELYON16数据集.

主要成果:

• 在PanCAM中,淋巴结转移的诊断灵敏度很高,在前性验证中从0.93到1.00不等.
• 该模型在罕见的癌症中获得了0.98的灵敏度,尽管它在常见的癌症数据上受过训练.
• 在PanCAM中确定了病理学家在追溯和前性验证中错过的其他转移病例.

结论:

• 潘卡姆提供了一个可通用的AI解决方案,用于检测各种癌症类型的淋巴结转移.
• 该模型的高灵敏度和强大的性能可以帮助病理学家,提高诊断准确度.
• 改进的诊断支持更好的治疗决策,并可能改善患者的治疗结果.