論文の概要: A Fully Automated and Explainable Algorithm for the Prediction of Malignant Transformation in Oral Epithelial Dysplasia

• arxiv url: http://arxiv.org/abs/2307.03757v1
• Date: Thu, 6 Jul 2023 19:11:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 17:47:05.607255
• Title: A Fully Automated and Explainable Algorithm for the Prediction of Malignant Transformation in Oral Epithelial Dysplasia
• Title（参考訳）: 口腔上皮性異形成症における悪性度予測のための完全自動説明可能アルゴリズム
• Authors: Adam J Shephard, Raja Muhammad Saad Bashir, Hanya Mahmood, Mostafa Jahanifar, Fayyaz Minhas, Shan E Ahmed Raza, Kris D McCombe, Stephanie G Craig, Jacqueline James, Jill Brooks, Paul Nankivell, Hisham Mehanna, Syed Ali Khurram, Nasir M Rajpoot
• Abstract要約: 我々は,口腔悪性転換(OMT)リスクスコアを割り当てる人工知能アルゴリズムを開発した。 このアルゴリズムは、内部のセグメンテーションモデルを用いて、上皮内(および周辺)の核の検出とセグメンテーションに基づいている。 提案された OMTscore は、OED が悪性度に進行するか否かを予測するときに AUROC = 0.74 を得る。
• 参考スコア（独自算出の注目度）: 8.927415909296819
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Oral epithelial dysplasia (OED) is a premalignant histopathological diagnosis given to lesions of the oral cavity. Its grading suffers from significant inter-/intra- observer variability, and does not reliably predict malignancy progression, potentially leading to suboptimal treatment decisions. To address this, we developed a novel artificial intelligence algorithm that can assign an Oral Malignant Transformation (OMT) risk score, based on histological patterns in the in Haematoxylin and Eosin stained whole slide images, to quantify the risk of OED progression. The algorithm is based on the detection and segmentation of nuclei within (and around) the epithelium using an in-house segmentation model. We then employed a shallow neural network fed with interpretable morphological/spatial features, emulating histological markers. We conducted internal cross-validation on our development cohort (Sheffield; n = 193 cases) followed by independent validation on two external cohorts (Birmingham and Belfast; n = 92 cases). The proposed OMTscore yields an AUROC = 0.74 in predicting whether an OED progresses to malignancy or not. Survival analyses showed the prognostic value of our OMTscore for predicting malignancy transformation, when compared to the manually-assigned WHO and binary grades. Analysis of the correctly predicted cases elucidated the presence of peri-epithelial and epithelium-infiltrating lymphocytes in the most predictive patches of cases that transformed (p < 0.0001). This is the first study to propose a completely automated algorithm for predicting OED transformation based on interpretable nuclear features, whilst being validated on external datasets. The algorithm shows better-than-human-level performance for prediction of OED malignant transformation and offers a promising solution to the challenges of grading OED in routine clinical practice.
• Abstract（参考訳）: 口腔上皮性異形成症(OED)は,口腔病変を主訴とする病理組織学的診断である。 その段階的変化は重要な観察者間変動に苦しめられ、悪性腫瘍の進行を確実に予測することはなく、潜在的に最適な治療決定につながる可能性がある。 そこで我々は,HuematoxylinとEosinのスライディング画像全体の組織学的パターンに基づいて,口腔悪性度変換(OMT)のリスクスコアを割り当て,OED進行のリスクを定量化する,新しい人工知能アルゴリズムを開発した。 このアルゴリズムは、内部のセグメンテーションモデルを用いて上皮内(および周辺)の核の検出とセグメンテーションに基づいている。 次に,形態・空間的特徴を解釈可能な浅層ニューラルネットワークを用いて組織マーカーをエミュレートした。 開発コホート (sheffield; n = 193例) について内部的な相互評価を行い, 2つの外部コホート (birmingham and belfast; n = 92例) について独立した検証を行った。 提案された OMTscore は、OED が悪性度に進行するか否かを予測するときに AUROC = 0.74 を得る。 生存分析の結果,手動で指定したWHOとバイナリグレードと比較すると,悪性度変化の予測にはOMTスコアが有用であった。 正常に予測された症例の解析により上皮周囲および上皮内浸潤リンパ球の存在が判明した(p < 0.0001)。 これは、外部データセットで検証しつつ、解釈可能な核の特徴に基づいてOED変換を予測するための完全に自動化されたアルゴリズムを提案する最初の研究である。 本アルゴリズムは,OED悪性度変化の予測にヒトよりも優れた性能を示し,通常の臨床実践においてOEDをグレードする課題に対して,有望な解決策を提供する。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Semi-supervised ViT knowledge distillation network with style transfer normalization for colorectal liver metastases survival prediction [1.283897253352624]
  本稿では,H&EおよびHPSで染色した組織学的スライドを用いて,自動予後予測のためのエンドツーエンドアプローチを提案する。 まずGAN(Generative Adversarial Network)を用いてスライス正規化を行い、染色のばらつきを低減し、予測パイプラインへの入力として使用される画像の全体的な品質を向上させる。 転移性結節および周囲組織から抽出した特徴を利用して予後モデルを訓練し,同時に知識蒸留フレームワークで視覚変換器(ViT)を訓練し,予後予測の性能を再現し,向上させる。
  論文  参考訳（メタデータ） (2023-11-17T03:32:11Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Experts' cognition-driven ensemble deep learning for external validation of predicting pathological complete response to neoadjuvant chemotherapy from histological images in breast cancer [3.811184252495269]
  専門家の認知駆動型アンサンブル深層学習(ECDEDL)アプローチを提案する。 ECDEDLは乳癌の組織像からNACへのpCR予測に極めて有効であった。
  論文  参考訳（メタデータ） (2023-06-19T09:48:24Z)
• Uncertainty-Informed Deep Learning Models Enable High-Confidence Predictions for Digital Histopathology [40.96261204117952]
  肺腺癌と扁平上皮癌を鑑別するモデルを訓練し,高い信頼度予測がUQなしで予測を上回ることを示す。 非肺癌コホートに対する腺癌と扁平上皮癌との高信頼度予測を精度良く行うことで, 領域シフトの設定においてUQ閾値の信頼性が保たれることを示す。
  論文  参考訳（メタデータ） (2022-04-09T17:35:37Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks [38.27767684024691]
  シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。 提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
  論文  参考訳（メタデータ） (2021-09-11T21:09:50Z)
• Simultaneous Nuclear Instance and Layer Segmentation in Oral Epithelial Dysplasia [11.440137399521785]
  HoVer-Net+は、OEDケースからH&E染色スライディングスライドにおいて、核と(内部の)上皮層を同時に分割(分類)するディープラーニングフレームワークである。 提案手法は,各タスクに対する従来のSOTA手法と比較して,コストを伴わずに,両タスクにおけるSOTA(State-of-the-art)性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-08-31T15:02:39Z)
• Adaptive unsupervised learning with enhanced feature representation for intra-tumor partitioning and survival prediction for glioblastoma [12.36330256366686]
  そこで本研究では, 腫瘍内パーティショニングとグリオ芽腫生存予測のための適応型非教師なし学習手法を提案する。 新規かつ問題特異的な自動エンコーダ(FAE)を開発した。 以上の結果から, 提案手法は, 堅牢で臨床的に関連のあるMRIサブリージョンと, 統計的に有意な生存予測をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2021-08-21T02:47:59Z)
• Bayesian optimization assisted unsupervised learning for efficient intra-tumor partitioning in MRI and survival prediction for glioblastoma patients [13.263919134911237]
  本稿では,クラスタリングアルゴリズムを微調整し,安定したサブリージョンを同定し,信頼性の高い臨床生存予測を行う機械学習フレームワークを提案する。 腫瘍の亜領域を分割し,亜領域の特徴を抽出することにより,腫瘍内不均一性の先行知識を取り入れた。
  論文  参考訳（メタデータ） (2020-12-05T20:29:53Z)

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。