論文の概要: Novel Clinical-Grade Prostate Cancer Detection and Grading Model: Development and Prospective Validation Using Real World Data, with Performance Assessment on IHC Requested Cases

• arxiv url: http://arxiv.org/abs/2410.23642v1
• Date: Thu, 31 Oct 2024 05:29:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:00:44.074162
• Title: Novel Clinical-Grade Prostate Cancer Detection and Grading Model: Development and Prospective Validation Using Real World Data, with Performance Assessment on IHC Requested Cases
• Title（参考訳）: 新規臨床グレード前立腺癌検出およびグレーディングモデル:IHC要求症例の性能評価と実世界データを用いた前立腺癌の診断・診断
• Authors: Ramin Nateghi, Ruoji Zhou, Madeline Saft, Marina Schnauss, Clayton Neill, Ridwan Alam, Nicole Handa, Mitchell Huang, Eric V Li, Jeffery A Goldstein, Edward M Schaeffer, Menatalla Nadim, Fattaneh Pourakpour, Bogdan Isaila, Christopher Felicelli, Vikas Mehta, Behtash G Nezami, Ashley Ross, Ximing Yang, Lee AD Cooper,
• Abstract要約: 本研究では,前立腺癌検出,グレーディング,ワークフロー最適化のための制度的に開発されたシステムの性能について検討した。 We developed model for cancer detection, grading and screening of equivocal case for IHC ordering。
• 参考スコア（独自算出の注目度）: 1.9729379339863824
• License:
• Abstract: Artificial intelligence may assist healthcare systems in meeting increasing demand for pathology services while maintaining diagnostic quality and reducing turnaround time and costs. We aimed to investigate the performance of an institutionally developed system for prostate cancer detection, grading, and workflow optimization and to contrast this with commercial alternatives. From August 2021 to March 2023, we scanned 21,396 slides from 1,147 patients with positive biopsies. We developed models for cancer detection, grading, and screening of equivocal cases for IHC ordering. We compared a task-specific model trained using the PANDA dataset of prostate cancer biopsies with one built using features extracted by the general-purpose histology foundation model, UNI and compare their performance in an unfiltered prospectively collected dataset that reflects our patient population (1737 slides,95 patients). We evaluated the contributions of a bespoke model designed to improve sensitivity in detecting small cancer foci and scoring of broader patterns observed at lower resolution. We found high concordance between the developed systems and pathologist reference in detection (AUC 98.5, sensitivity 95.0, and specificity 97.8), ISUP grading (quadratic Cohen's kappa 0.869), grade group 3 or higher (AUC 97.5, sensitivity 94.9, specificity 96.6) and comparable to published data from commercial systems. Screening could reduce IHC ordering for equivocal cases by 44.5% with an overall error rate of 1.8% (1.4% false positive, 0.4% false negative rates). Institutions like academic medical centers that have high scanning volumes and report abstraction capabilities can develop accurate computational pathology models for internal use. These models have the potential to aid in quality control role and to improve workflow in the pathology lab to help meet future challenges in prostate cancer diagnosis.
• Abstract（参考訳）: 人工知能は、診断品質を維持し、ターンアラウンド時間とコストを削減しながら、病理サービスの需要の増加に対応する医療システムを支援することができる。 本研究は,前立腺癌検出,グレーディング,ワークフロー最適化のための制度的に開発されたシステムの性能について検討し,商業的代替品と対比することを目的とした。 2021年8月から2023年3月までに, 陽性生検1,147例の21,396個のスライドをスキャンした。 We developed model for cancer detection, grading and screening of equivocal case for IHC ordering。 前立腺癌生検のPANDAデータセットを用いて訓練したタスク固有モデルと、汎用組織学基盤モデルUNIが抽出した特徴を用いて構築したモデルを比較した。 低分解能で観察される小がん巣の検出および広範なパターンのスコアリングにおける感度の向上を目的とした,Bespokeモデルの有効性について検討した。 AUC 98.5, 感度95.0, 特異度97.8, ISUP grading (クワッドラティックコーエンのカッパ0.869), グレード3以上 (AUC 97.5, 感度94.9, 特異度96.6) と診断された。 スクリーニングにより、同一のケースのICC順序が44.5%減少し、全体的なエラー率は1.8%(偽陽性1.4%、偽陰性0.4%)となった。 高いスキャンボリュームとレポート抽象化能力を持つ学術医療センターのような機関は、内部使用のための正確な計算病理モデルを開発することができる。 これらのモデルは、前立腺がんの診断における将来の課題を満たすために、品質管理の役割を補助し、病理学研究室のワークフローを改善する可能性がある。

関連論文リスト

• Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions [0.8864540224289991]
  患者数の増加とより包括的な診断の必要性により、病理学者は作業負荷の増大に直面している。 われわれは,全スライド画像に基づいて皮膚メラノサイト性病変をトリアージする人工知能(AI)モデルを開発した。
  論文  参考訳（メタデータ） (2024-10-14T13:49:04Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Breast Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
  本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。 乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-05-07T11:24:37Z)
• Artificial Intelligence in Ovarian Cancer Histopathology: A Systematic Review [1.832300121391956]
  方法: PubMed, Scopus, Web of Science, CENTRAL, WHO-ICTRPの検索を行った。 PROBASTを用いてバイアスのリスクを評価した。 37の診断モデル、22の予後モデル、21の診断関連結果を含む80の関心モデルがあった。 すべてのモデルが全体として偏見のリスクが高いか、あるいは不明確であることが判明し、ほとんどの研究は分析において偏見のリスクが高いことが判明した。
  論文  参考訳（メタデータ） (2023-03-31T12:26:29Z)
• Diagnosis of Covid-19 Via Patient Breath Data Using Artificial Intelligence [0.0]
  本研究の目的は、患者の吐き気中の揮発性有機化合物(VOC)を検出することにより、新型コロナウイルスを検出できるPOSCTシステムを開発することである。 2020年12月から2021年3月までにイスタンブール・メディポール・メガ病院で142例の呼吸サンプルを採取した。 Gradient Boosting(グラディエント・ブースティング)アルゴリズムは、新型コロナウイルス陽性患者を予測する場合95%のリコールと、新型コロナウイルス陰性患者を予測する場合の96%の精度を提供する。
  論文  参考訳（メタデータ） (2023-01-24T22:00:00Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Interpretability methods of machine learning algorithms with applications in breast cancer diagnosis [1.1470070927586016]
  我々は,グローバルサロゲート(GS)法,個人期待(ICE)プロット,条件シェープ値(SV)などの解釈可能性技術を用いた。 乳がん診断における最良の成績は,提案したERN(精度96.6%,ROC曲線0.96)により得られた。
  論文  参考訳（メタデータ） (2022-02-04T13:41:30Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• On the explainability of hospitalization prediction on a large COVID-19 patient dataset [45.82374977939355]
  我々は、新型コロナウイルス陽性の米国の患者の大規模な(110ドル以上)コホートでの入院を予測するために、さまざまなAIモデルを開発した。 高いデータアンバランスにもかかわらず、モデルは平均精度0.96-0.98 (0.75-0.85)、リコール0.96-0.98 (0.74-0.85)、F_score097-0.98 (0.79-0.83)に達する。
  論文  参考訳（メタデータ） (2021-10-28T10:23:38Z)
• 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)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。