論文の概要: AI-augmented histopathologic review using image analysis to optimize DNA yield and tumor purity from FFPE slides

• arxiv url: http://arxiv.org/abs/2203.13948v1
• Date: Sat, 26 Mar 2022 00:22:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 14:43:25.665649
• Title: AI-augmented histopathologic review using image analysis to optimize DNA yield and tumor purity from FFPE slides
• Title（参考訳）: FFPEスライドからのDNA収量と腫瘍純度を最適化するための画像解析を用いたAIによる組織学的検討
• Authors: Boles{\l}aw L. Osinski, A\"icha BenTaieb, Irvin Ho, Ryan D. Jones, Rohan P. Joshi, Andrew Westley, Michael Carlson, Caleb Willis, Luke Schleicher, Brett M. Mahon, Martin C. Stumpe
• Abstract要約: 我々は、組織抽出パラメータを決定するための定量的指標で病理学者に力を与えるAI強化型スマート病理検査システム(SmartPath)を開発した。 SmartPathは腫瘍をセグメント化し、細胞ベースの特徴を抽出し、マクロディビジョン領域を提案する。 病理学者によって定義された標的収量は予測されたDNA収量/すべりによって分割され、スクラップするスライドの数を与える。
• 参考スコア（独自算出の注目度）: 0.19661503834671126
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: To achieve minimum DNA input and tumor purity requirements for next-generation sequencing (NGS), pathologists visually estimate macrodissection and slide count decisions. Misestimation may cause tissue waste and increased laboratory costs. We developed an AI-augmented smart pathology review system (SmartPath) to empower pathologists with quantitative metrics for determining tissue extraction parameters. Using digitized H&E-stained FFPE slides as inputs, SmartPath segments tumors, extracts cell-based features, and suggests a macrodissection areas. To predict DNA yield per slide, the extracted features are correlated with known DNA yields. Then, a pathologist-defined target yield divided by the predicted DNA yield/slide gives the number of slides to scrape. Following model development, an internal validation trial was conducted within the Tempus Labs molecular sequencing laboratory. We evaluated our system on 501 clinical colorectal cancer slides, where half received SmartPath-augmented review and half traditional pathologist review. The SmartPath cohort had 25% more DNA yields within a desired target range of 100-2000ng. The SmartPath system recommended fewer slides to scrape for large tissue sections, saving tissue in these cases. Conversely, SmartPath recommended more slides to scrape for samples with scant tissue sections, helping prevent costly re-extraction due to insufficient extraction yield. A statistical analysis was performed to measure the impact of covariates on the results, offering insights on how to improve future applications of SmartPath. Overall, the study demonstrated that AI-augmented histopathologic review using SmartPath could decrease tissue waste, sequencing time, and laboratory costs by optimizing DNA yields and tumor purity.
• Abstract（参考訳）: 次世代シーケンシング(NGS)の最小DNA入力および腫瘍純度要件を達成するために、病理学者は、マクロディビジョンとスライドカウントの決定を視覚的に推定する。 過誤は組織廃棄物を発生させ、検査コストを増大させる。 組織抽出パラメータを決定する定量的指標を病理学者に与えるための,aiによるスマート病理検査システム(smartpath)を開発した。 デジタル化されたH&E-stained FFPEスライドを入力として、SmartPathは腫瘍をセグメント化し、細胞ベースの特徴を抽出し、マクロディビジョン領域を提案する。 スライド当たりのDNA収量を予測するため、抽出された特徴は既知のDNA収量と相関する。 そして、予測されたDNAの収量/すべりによって分割された病理学者が定義した目標収量は、スクラップするスライドの数を与える。 モデル開発の後、テンプス研究所の分子シークエンシングラボで内部検証試験が行われた。 大腸癌501例について検討し,その半数がsmartpath-augmented review,半分が従来の病理組織学的検討を行った。 SmartPathコホートは100-2000ngの範囲で25%以上のDNAの収量を持っていた。 SmartPathシステムでは、大きな組織セクションのスクラップを減らし、これらのケースでは組織を節約することを推奨している。 逆にSmartPathは、スキャンされた組織セクションのサンプルをスクレイプするために、より多くのスライドを推奨している。 結果に対する共変量の影響を測定する統計的分析を行い、SmartPathの今後の応用方法に関する洞察を提供した。 全体として、SmartPathを用いたAIによる組織学的レビューは、DNA収量と腫瘍の純度を最適化することで、組織廃棄物、シークエンシング時間、検査コストを削減できることを示した。

関連論文リスト

• Towards a Comprehensive Benchmark for Pathological Lymph Node Metastasis in Breast Cancer Sections [21.75452517154339]
  我々は1,399枚のスライド画像(WSI)と、Camelyon-16とCamelyon-17データセットのラベルを再処理した。 再発腫瘍領域の大きさから,2重複癌検診を4段階に改善した。
  論文  参考訳（メタデータ） (2024-11-16T09:19:24Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Hybrid guiding: A multi-resolution refinement approach for semantic segmentation of gigapixel histopathological images [0.7490318169877296]
  セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。 設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。 最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
  論文  参考訳（メタデータ） (2021-12-07T02:31:29Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Primary Tumor and Inter-Organ Augmentations for Supervised Lymph Node Colon Adenocarcinoma Metastasis Detection [8.69535649683089]
  ラベル付きデータの不足は、病理組織学応用のためのディープラーニングベースのモデルを開発する上で、大きなボトルネックとなる。 本研究は,対象領域の限定的あるいは全く表現されていない場合の大腸癌転移検出のためのトレーニングデータの拡張方法について検討する。
  論文  参考訳（メタデータ） (2021-09-17T17:31:25Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Cervical Cytology Classification Using PCA & GWO Enhanced Deep Features Selection [1.990876596716716]
  子宮頸癌は世界でも最も致命的かつ一般的な疾患の1つである。 ディープラーニングと特徴選択を利用した完全自動化フレームワークを提案する。 このフレームワークは3つの公開ベンチマークデータセットで評価されている。
  論文  参考訳（メタデータ） (2021-06-09T08:57:22Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• A Generalized Deep Learning Framework for Whole-Slide Image Segmentation and Analysis [0.20065923589074736]
  病理組織分析は癌診断と予後における金の基準と考えられている。 深層学習に基づく技術は、さまざまな画像解析タスクにおいて、最先端の成果を提供している。 本稿では,病理組織像解析のためのディープラーニングベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-01T18:05:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。