在MASH中AI辅助纤维化得分:通过基于SHG的AI数字病理学工具探索病理学家的决策

科学领域:

• 组织病理学 组织病理学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 对代谢功能障碍相关的脂肪肝炎 (MASH) 的肝脏活检评分面临着由于读者内部和读者之间变化的挑战.
• 人工智能驱动的数字病理学 (AI-DP) 为增强病理学家一致性提供了一个潜在的解决方案.

研究的目的:

• 评估基于第二波代 (SHG) 的AI-DP对MASH纤维化得分的病理学家决策的影响.
• 为将基于SHG的AI辅助整合到病理学工作流程提供指导.

主要方法:

• 四位病理学家审查了120个MASH病例,并没有人工智能辅助工具.
• 通过调查和病例审查来评估一致性,评分变化和病理学家的看法.
• 对22个病例的定性分析探索了差异和AI-病理学家相互作用.

主要成果:

• 病理学家发现人工智能工具在57%的病例中是有帮助的,并且在12%的病例中有意识地改变了分数.
• 该工具在以前不一致的案件中减少了65%,但在最初一致的案件中增加了27%.
• 即使该工具被认为没有帮助,得分也发生了转变,这表明了微妙的影响.

结论:

• 基于SHG的AI-DP工具是MASH纤维化评分的有希望的辅助工具,有助于病理学家的一致性.
• 提供了人工智能集成的实用见解,强调了用于精确基因病理学的协作人类-人工智能方法.
• 未来的AI开发应该解决病理学家-AI差异突出显示的领域,以推进临床试验结果.