使用ChatGPT数据分析器对病变组织图像进行自动定量分析的准确性:与MC38鼠肝转移模型中的半自动分析进行比较
Yuta Sannomiya1, Takuya Sakamoto2,3, Yuka Hiramatsu2
1Department of General and Digestive Surgery, Kanazawa Medical University, Kahoku, Ishikawa, Japan.
Microscopy research and technique
|March 10, 2026
概括
聊天GPT数据分析提供了一种新的,准确的方法来量化病理图像中的瘤区域. 这种人工智能工具显示了与传统分析的高度相关性和一致性,提高了癌症研究的效率.
科学领域:
- 病理学 病理学 病理学
- 计算生物学 计算生物学
- 人工智能的人工智能
背景情况:
- 结肠直肠癌转移,特别是转移到肝脏,显著影响患者的预后.
- 对病理组织进行准确的图像分析对于瘤研究和诊断至关重要.
- 目前用于图像分析的手动或半自动化方法通常是低效的,需要专门的专业知识.
研究的目的:
- 评估ChatGPT数据分析器在H&E染色肝转移小鼠模型中瘤区域的自动量化疗效.
- 为了比较ChatGPT数据分析器的性能与传统的ImageJ分析以进行面积和计数测量.
- 确定最佳的染色协议,以提高病理图像分析的准确性.
主要方法:
- 利用ChatGPT数据分析器从小鼠模型 (MC38细胞) 中分析H&E染色的肝转移部分.
- 量化瘤面积,肝脏总面积,瘤比例和瘤数量.
- 将结果与ImageJ分析进行比较,并研究了最佳的血素和色素染色时间的准确性.
主要成果:
- 聊天GPT数据分析师在面积测量方面与ImageJ显示出高相关性 (r > 0.99) 和一致性 (ICC > 0.9),具有出色的可重复性.
- 确定了特定的染色条件 (血素2分钟,素30秒) 对于提高提取精度至关重要.
- 基准测试显示,先进的LLM的准确性与专门的AI框架和商业软件相美.
结论:
- 聊天GPT数据分析提供了一种新的,基于提示的方法,用于病理图像分析,其准确性与已知的方法相美.
- 优化的染色协议提高了人工智能驱动图像分析的可靠性.
- 未来的更新和标准化条件将进一步推进LLM在瘤研究和诊断中的应用.
