基于ai诊断中枢神经系统肿瘤发展的典范

最近,一个团队从苏州生物医学工程技术研究所(SIBET)中国科学院与中南大学湘雅医院合作,提出了一个基于ai自动诊断中枢神经系统(CNS)肿瘤模型。

中枢神经系统肿瘤的超过308102个新病例被诊断出在2020年在世界范围内,最后大约251329与癌症相关的死亡。星形细胞瘤、少突神经胶质瘤和颅内生殖细胞瘤(IG)是三个最常见的中枢神经系统肿瘤。

“他们的治疗策略和预后有很大区别,”施丽婷说,SIBET研究的第一作者。“误诊导致不必要的搞笑切除可能打破平衡不同的神经功能和颅脑切除的程度,以及删除的星形细胞瘤或少突神经胶质瘤的不足可能增加复发的风险”。

准确的诊断搞笑、少突神经胶质瘤和星形细胞瘤主要基于三种类型的考试:术中冰冻切片(IFS)病理检查,苏木精和伊红染色病理检查,(他)和分子检测。

术中及术后治疗方案对星形细胞瘤,少突神经胶质瘤,搞笑主要依靠病理诊断使用IFS和他在临床实践中。

然而,由于细胞形态相似的其中三种类型的颅内肿瘤,甚至有经验的病理学家不能准确区分三个肿瘤完全基于IFS染色,只有54.6%的准确率分别为-69.7%和53.5% - -83.7%。

基于深度学习方法,高和他的团队使用学习策略和弱监督学习转移到构建一个图像块的诊断模型,准确地计算肿瘤概率的图像补丁和实现定量解释的组织病理学幻灯片。

模型利用一个智能计算框架执行全自动分析数字IFS和他整个幻灯片成像(WSI)。共有379名患者的研究包括三个中国医院和癌症基因组图谱(TCGA)公共数据集,与他WSIs IFS WSIs 500和832。

结果表明该IFS他模型实现内部验证精度为93.9%和95.3%,分别和外部验证精度分别为82.0%和76.9%。

研究人员还综合诊断结果的图像补丁到WSI-level诊断概率地图,这可能帮助在病理诊断病理学家。

此外,团队创新利用的诊断概率模型来预测阳性细胞面积ki - 67,一种广泛使用的肿瘤标志物,从而缩小之间的差距细胞结构图像和蛋白表达水平。

该模型可以预测阳性细胞面积ki - 67,与确定系数(r平方,R2)值为0.81和0.86,分别根据研究人员。

研究探索和验证人工智能技术的临床应用潜力。“建议的模型可以帮助临床医生在为病人提供最佳的和及时的治疗选择,从而提供新的理论依据和方法改善脑部肿瘤诊断和治疗的现状,“高鑫说,这项研究的主要研究者从SIBET。

参考:沈史L, L,剑J, et al。整个幻灯片成像的贡献量评估的基础深度学习在术中及术后神经病理学的部分。大脑病理学。2023年4月25日在线发表:e13160。doi:10.1111 / bpa.13160

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。