机构名称：
¥ 2.0
已经开发出基于人工智能的自动格里森分级解决方案，以协助病理学家进行快速定量评估，但跨各种扫描仪的推广以及使用来自最终用户的新注释数据不断更新人工智能模型仍然是该领域的一个关键瓶颈。我们提出了一种全面的人工智能辅助格里森分级数字病理学工作流程，结合了图像质量检查软件 A!magQC、基于云的注释平台 A!HistoNotes 和病理学家-人工智能交互 (PAI) 策略。为了演示和验证该流程，我们将其用于从 5 台扫描仪获得的前列腺样本进行格里森分级。在对 Akoya Biosciences 扫描仪扫描的 132 例前列腺切除标本进行训练后，对 55 例前列腺切除标本和 156 例活检标本进行验证，结果显示前列腺切除标本的 Gleason 分级灵敏度为 85%，特异性为 96%，F1 得分为 78%，活检标本的肿瘤检测灵敏度为 96%。对于其他 4 台扫描仪扫描的图像，采用我们的泛化解决方案后，Gleason 模式检测的平均 F1 得分从 67% 提高到 75%。在与来自新加坡和中国的 5 名病理学家进行的临床试验中，我们的流程将 Gleason 评分速度提高了 43%。此外，它通过半自动注释将注释时间缩短了 60%，从而通过增量学习提高了模型性能。
格里森评分综合 AI 模型开发
主要关键词
相关文件推荐
