我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

推进皮肤癌病理学与人工智能图像分析

推进皮肤癌病理学与人工智能图像分析内容块的形象
人类转移性黑色素瘤细胞染上一个H & E染色和放大到320 x。信贷:兰斯·利奥塔博士的实验室

想要一个免费的PDF版本的这个行业洞察力?

完成下面的表格,我们将电子邮件您的PDF版本“推进皮肤癌病理学与人工智能图像分析”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

图像分析可以为皮肤癌病理学家是一个艰苦的过程。工作负载增加,和合格的病理学家的数量正在减少。新技术需要缓解压力。Proscia费城软件公司,认为他们的DermAI软件可能是解决方案的一部分。DermAI最近被考验的验证研究分析了13000多个图像。我们采访了内森·Buchbinder Proscia CPO,找到更多。

安娜·麦克唐纳(AM):皮肤癌传统诊断和这种方法的局限性是什么?

内森Buchbinder (NB):
传统的诊断皮肤癌,你要么参加例行访问皮肤科医生或者你发现有不正常的东西在你的皮肤和你的结果。皮肤科医生发现感兴趣的东西,他们切断了活检。活检组织病理学实验室,准备上演,石蜡包埋,切到载玻片上,然后在显微镜下观看的病理学家。病理学家正在寻求识别不同模式的组织。这些模式是他们将使用诊断和给的东西有多糟糕,是否需要治疗,如果是恶性癌细胞,然后什么样的治疗可能会奏效。然后他们将这些结果发送回皮肤科医生和病人。

现在,最有挑战性的事情是皮肤癌病理学家不是这样做一天一次或两次。有些dermpaths (dermatopathologists)这样做是250,一天350次。

你可以想象,这是一个很大的挑战,部分原因是我们专注于皮肤癌特别是是因为它是一个地区有一个大的危机在供给和需求方面。比以往更多的活检;每年增长4%或5%之间皮肤癌,和比以往更少的病理学家;减少约17%在过去的十年里,这是一个巨大的挑战对我们的地址。

问:你能告诉我们更多关于验证研究和调查结果的意义吗?

注:
我们看到这供给和需求的挑战,我们大致确定的是,大部分这些皮肤的情况下,您可以添加很多价值通过帮助病理学家理解的情况下,他们需要先看哪些是他们可以就看看有点当天晚些时候。哪些是需要额外的工作?哪些是最重要的或有效的诊断?历史上的挑战是,要做的,你需要一个病理学家检查标本。所以我们发现,有一个机会人工智能模式识别或机器学习提供一个申请这些活检病理学家来筛选,然后根据这些预评估采取不同的行动在这些情况下,这正是我们建设。

我们曾与几个最大的学术和商业实验室在美国,最高的体积和最佳dermpath著名专家和实践,建立一个人工智能应用程序有能力提前屏幕这些情况下病理学家的审查和提供一个AI的输出可以用来分类和优先考虑这些情况。棘手的事情与任何人工智能是如何执行已经严重影响它被如何使用在实践中,我们不仅要确保它满足我们的目标精度,敏感性和特异性阈值,但我们也要确保人工智能应用程序不会困惑时放入一个新的实验室,可能使用不同的污渍,组织可能看起来有点不同,在病理学家电话事情有点不同,所以AI验证研究,我们做的是其中的一个,如果不是最大的AI病理学研究。

它涉及一些商业和学术实验室,涉及多种成像技术,不同的硬件被用来捕获的图像切片的AI来解释,不同的染色协议,不同的污渍,组织来自不同的地方,不同的病理学家,不同的观点,我们发现我们的人工智能应用程序DermAI能够达到98%的准确率总体而言,所有的这些变化,所以这是一个非常大的交易。

Ruairi Mackenzie (RM): DermAI已被证明在这项研究中分类图像分为四类,但病理是一个非常复杂的区域。有方法让类似DermAI甚至更细粒度的分类的所有不同的特性,可以有助于诊断?

注:
绝对的。仅在皮肤癌病理学,有超过200的诊断,病理学家可能调用。直接回答这个问题——是的,我们有信心和已经看到证据表明这个AI有能力得到更细粒度的不仅仅是这四个更高级别的分类,我们已经证明我们可以提供。另一个令人兴奋的事情是人工智能和机器学习这类应用程序,他们甚至可以超越诊断提供信息。

这就是你开始能够提供病理学家和耐心,最终,提供见解,你只是不能得到的解释活检病理学家和诊断。这不是DermAI今天,但它是相当合理的假设之间有关联的组织活检和五年生存或对某些新疗法的可能性。挑战是这些相关性是不自然的人类的眼睛和心灵。病理学家没有访问成千上万例5年跟踪数据,所以需要这些类型的应用程序给病理学家这一水平的洞察力。

问:除了改善这种诊断的准确性,还有什么其他影响你认为采用人工智能对病理学家的工作负载?

注:
我想这是不可能的精度将是最有效的一些高容量的特点,我认为这对生产率的影响在实验室里,在效率和质量总体将是巨大的我们如何诊断疾病,如癌症。最终我认为总会有病理学家在驾驶座位是谁做出诊断,然后翻译回皮肤科医生或其他专业的治疗病人,但这些幻灯片的方式穿过实验室,幻灯片是被病理学家,什么信息呈现给病理学家,真的可以帮助推动生产力的提高和效率收益不仅对个人病理学家,在整个实验室。能产生很大的不同诊断周转时间,这意味着病人等待更少的时间来接收他们的问题的答案,“我病了,我是生病了?”

问:什么挑战迄今为止阻止这项技术被广泛采用了吗?

注:
有三个挑战,我想关注。第一件事曾经是一个挑战是监管,所以FDA历来慢一点批准这些整个幻灯片图像扫描仪,常规临床使用,但我们已经看到在过去的两年半真的不再那么大的一个问题。现在他们已经批准了两个完整系统和途径获得批准新公司更清晰。可能发生的速度,比之前要快得多,这是一个挑战,在很大程度上解决。

第二个关键的挑战已经证明如果有投资回报。现在在美国肯定但即使在其他卫生保健系统,它不是足够的说,有一个新的冷却技术,是未来。必须有一些证据表明,这是良好的经济价值,推动采用有良好的商业意识,特别是当我们谈论的是一个非常大的转变,一个过程,需要由这些实验室管理上没有技术的采用者最快。我们相信,病理学的数字化,本身可以提供价值。

一些实验室效率增加13%和22%之间,生产率提高,仅从数字化,但是我们也相信,真正的价值是当你层这些计算应用程序最重要的是数字化,当你开始添加这一观点来自于人工智能应用程序或其他图像分析应用程序,可以帮助这些AI-enabled工作流。

第三个挑战是,技术不是标准化的。这意味着,如果你买一个扫描仪类型和你想扩大数字化实验室,所以你想买第二个扫描仪的类型,不能保证你使用的软件应用程序都能工作。这是我们进行这项研究的一部分原因DermAI的方法,来证明我们构建了一个人工智能,可概括的,能够解决所有的主要变异来源,你会看到在实验室和扫描仪本身。

RM:在这一领域的另一个挑战是,图像大小是巨大的,可以争取一些人工智能系统。有一种特别的方式被克服?

注:
图像的大小成为挑战有两个原因。首先,忘记AI应用程序,存储这些图像可以得到相当昂贵。现在,好处是摩尔定律已经在很大程度上解决了我们;存储变得便宜,您可以利用现有的医院基础设施在大多数情况下,今天来支持大多数数字化。同样的故事也发生在放射学。

现在人工智能它构成的挑战。活检组织的图像是巨大的,所以一个人工智能的应用程序运行在整个图像变得非常具有挑战性。的一部分,我们已经开发了过去几年的机器学习方法应用程序能够识别图像中价值最高的区域,确定最有效的病理学领域,所有这些组织和管理这些瓷砖图像提出一种统一的答案。

不仅在一种准确的方式的方式执行速度,它可以在实验室使用。一个算法需要15分钟的时间来运行,你必须运行它在某一天200次不可行。这不是一种好方法将新技术推向市场,所以我们非常自觉,敏锐地意识到,这是一个implementation-ready AI的应用程序,这些必须的高品质和良好的性能,您可以运行通过一个实验室,每天可能会看到1000或2000例。

内森Buchbinder Ruairi J Mackenzie和安娜·麦克唐纳说,科学技术网络作家。188金宝搏备用

满足作者
安娜·麦克唐纳
安娜·麦克唐纳
科学作家
Ruairi J麦肯齐
Ruairi J麦肯齐
高级科学作家
广告
Baidu