論文の概要: Critical Evaluation of Artificial Intelligence as Digital Twin of
Pathologist for Prostate Cancer Pathology
- arxiv url: http://arxiv.org/abs/2308.11992v1
- Date: Wed, 23 Aug 2023 08:25:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-24 15:06:20.535083
- Title: Critical Evaluation of Artificial Intelligence as Digital Twin of
Pathologist for Prostate Cancer Pathology
- Title（参考訳）: 前立腺癌病理のデジタル双生児としての人工知能の批判的評価
- Authors: Okyaz Eminaga, Mahmoud Abbas, Christian Kunder, Yuri Tolkach, Ryan
Han, James D. Brooks, Rosalie Nolley, Axel Semjonow, Martin Boegemann, Robert
West, Jin Long, Richard Fan, Olaf Bettendorf
- Abstract要約: 前立腺組織をヘマトキシリンとエオシンで染色した2,603例の病理組織像を用いて,病理医vPathoのAIベースのデジタル双生児を試験した。
我々はvPathoと6人の病理医の腫瘍グレードの不一致に影響を及ぼす因子について検討した。
- 参考スコア（独自算出の注目度）: 7.204701297465233
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Prostate cancer pathology plays a crucial role in clinical management but is
time-consuming. Artificial intelligence (AI) shows promise in detecting
prostate cancer and grading patterns. We tested an AI-based digital twin of a
pathologist, vPatho, on 2,603 histology images of prostate tissue stained with
hematoxylin and eosin. We analyzed various factors influencing tumor-grade
disagreement between vPatho and six human pathologists. Our results
demonstrated that vPatho achieved comparable performance in prostate cancer
detection and tumor volume estimation, as reported in the literature.
Concordance levels between vPatho and human pathologists were examined.
Notably, moderate to substantial agreement was observed in identifying
complementary histological features such as ductal, cribriform, nerve, blood
vessels, and lymph cell infiltrations. However, concordance in tumor grading
showed a decline when applied to prostatectomy specimens (kappa = 0.44)
compared to biopsy cores (kappa = 0.70). Adjusting the decision threshold for
the secondary Gleason pattern from 5% to 10% improved the concordance level
between pathologists and vPatho for tumor grading on prostatectomy specimens
(kappa from 0.44 to 0.64). Potential causes of grade discordance included the
vertical extent of tumors toward the prostate boundary and the proportions of
slides with prostate cancer. Gleason pattern 4 was particularly associated with
discordance. Notably, grade discordance with vPatho was not specific to any of
the six pathologists involved in routine clinical grading. In conclusion, our
study highlights the potential utility of AI in developing a digital twin of a
pathologist. This approach can help uncover limitations in AI adoption and the
current grading system for prostate cancer pathology.
- Abstract（参考訳）: 前立腺癌の病理は臨床管理において重要な役割を担っているが、時間を要する。
ai(artificial intelligence)は、前立腺がんの検出とグレーディングパターンに有望である。
前立腺組織をヘマトキシリンとエオシンで染色した2,603例の病理組織像を用いて,病理医vPathoのAIベースのデジタル双生児を試験した。
vpathoと6人の病理学者の腫瘍グレードの不一致に影響を及ぼす様々な因子を分析した。
以上の結果から,vPathoは前立腺癌検出と腫瘍体積推定において同等の成績を示した。
vPathoとヒト病理学者の一致レベルを検討した。
特に, 管, 神経, 血管, リンパ細胞浸潤などの相補的組織学的特徴の同定には, ある程度の一致が認められた。
しかし, 前立腺摘出標本 (kappa = 0.44) では, 生検コア (kappa = 0.70) と比較して腫瘍診断の一致度が低下した。
二次グリアソンパターンの決定閾値を5%から10%に調整すると、前立腺摘出標本(kappa: 0.44から 0.64)の病理組織とvpathoの一致レベルが改善した。
不一致の潜在的原因は、前立腺境界に向かう腫瘍の垂直範囲と前立腺癌に伴うスライドの割合であった。
グリーソンパターン4は特に不一致と関連していた。
特にvPathoとの成績不一致は, 定期的な臨床成績にかかわる6人の病理医に特有ではなかった。
結論として,病理医のデジタル双生児開発におけるAIの有用性について考察した。
このアプローチは、AI導入の限界と、前立腺癌病理の現在の段階付けシステムを明らかにするのに役立つ。
関連論文リスト
- TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。
VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。
本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文 参考訳（メタデータ） (2024-11-05T19:35:10Z) - NMGrad: Advancing Histopathological Bladder Cancer Grading with Weakly Supervised Deep Learning [1.3911081328487294]
組織学的スライスを用いた膀胱癌評価のためのパイプラインを提案する。
異なる倍率レベルでウロテリウム組織タイルを抽出し、特徴抽出のために畳み込みニューラルネットワークを用いて処理する。
グレードの予測に注意を払って、ネストされた複数のインスタンス学習アプローチを採用している。
論文 参考訳（メタデータ） (2024-05-24T07:02:39Z) - Immunohistochemistry guided segmentation of benign epithelial cells, in situ lesions, and invasive epithelial cells in breast cancer slides [0.3251634769699391]
乳がん領域における上皮細胞のセグメンテーションのためのAIモデルを開発した。
浸潤上皮細胞,良性上皮細胞,in situ病変に対するDiceスコア0.70,0.79,0.75の定量評価を行った。
論文 参考訳（メタデータ） (2023-11-22T09:25:08Z) - Pathology-and-genomics Multimodal Transformer for Survival Outcome
Prediction [43.1748594898772]
大腸癌生存予測に病理学とゲノム学的知見を統合したマルチモーダルトランスフォーマー(PathOmics)を提案する。
ギガピクセル全スライド画像における組織ミクロ環境間の内在的相互作用を捉えるための教師なし事前訓練を強調した。
我々は,TCGA大腸癌と直腸癌コホートの両方に対するアプローチを評価し,提案手法は競争力があり,最先端の研究より優れていることを示す。
論文 参考訳（メタデータ） (2023-07-22T00:59:26Z) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:08:19Z) - 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) - Bridging the gap between prostate radiology and pathology through
machine learning [2.090877308669147]
病理組織学的診断法として, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法, 病理組織学的診断法の比較を行った。
これらのラベルがトレーニングされた機械学習モデルの性能に与える影響を分析する。
論文 参考訳（メタデータ） (2021-12-03T21:38:20Z) - Dysplasia grading of colorectal polyps through CNN analysis of WSI [5.8797822609846895]
提案されたディープラーニングベースの分類パイプラインは、最先端の畳み込みニューラルネットワークに基づいている。
実験の結果,腺腫の異形成度を70%の精度で分類することができた。
論文 参考訳（メタデータ） (2021-02-10T15:40:27Z) - Gleason Grading of Histology Prostate Images through Semantic
Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。
コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。
この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文 参考訳（メタデータ） (2020-05-22T19:49:10Z) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳（メタデータ） (2020-04-04T21:21:44Z)
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。