論文の概要: Artificial Intelligence-Assisted Prostate Cancer Diagnosis for Reduced Use of Immunohistochemistry

• arxiv url: http://arxiv.org/abs/2504.00979v1
• Date: Mon, 31 Mar 2025 08:54:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:21:47.277937
• Title: Artificial Intelligence-Assisted Prostate Cancer Diagnosis for Reduced Use of Immunohistochemistry
• Title（参考訳）: 人工知能を用いた前立腺癌診断の免疫組織化学への応用
• Authors: Anders Blilie, Nita Mulliqi, Xiaoyi Ji, Kelvin Szolnoky, Sol Erika Boman, Matteo Titus, Geraldine Martinez Gonzalez, José Asenjo, Marcello Gambacorta, Paolo Libretti, Einar Gudlaugsson, Svein R. Kjosavik, Lars Egevad, Emiel A. M. Janssen, Martin Eklund, Kimmo Kartasalo,
• Abstract要約: 診断精度を損なうことなく、AIモデルのIHC使用を最小限に抑える能力を評価する。 感度優先診断閾値の適用により、調査された3つのコホートにおいて、ICC染色の必要性は44.4%、42.0%、20.7%減少した。
• 参考スコア（独自算出の注目度）: 0.03775355948495808
• License:
• Abstract: Prostate cancer diagnosis heavily relies on histopathological evaluation, which is subject to variability. While immunohistochemical staining (IHC) assists in distinguishing benign from malignant tissue, it involves increased work, higher costs, and diagnostic delays. Artificial intelligence (AI) presents a promising solution to reduce reliance on IHC by accurately classifying atypical glands and borderline morphologies in hematoxylin & eosin (H&E) stained tissue sections. In this study, we evaluated an AI model's ability to minimize IHC use without compromising diagnostic accuracy by retrospectively analyzing prostate core needle biopsies from routine diagnostics at three different pathology sites. These cohorts were composed exclusively of difficult cases where the diagnosing pathologists required IHC to finalize the diagnosis. The AI model demonstrated area under the curve values of 0.951-0.993 for detecting cancer in routine H&E-stained slides. Applying sensitivity-prioritized diagnostic thresholds reduced the need for IHC staining by 44.4%, 42.0%, and 20.7% in the three cohorts investigated, without a single false negative prediction. This AI model shows potential for optimizing IHC use, streamlining decision-making in prostate pathology, and alleviating resource burdens.
• Abstract（参考訳）: 前立腺癌の診断は病理組織学的評価に大きく依存している。 免疫組織化学的染色(IHC)は良性組織と悪性組織を区別するのに役立つが、作業の増加、コストの上昇、診断の遅れが伴う。 人工知能(AI)は、ヘマトキシリンおよびエオシン(H&E)染色組織セクションの非定型腺と境界形態を正確に分類することで、ICCへの依存を減らすための有望な解決策を提供する。 本研究では,3つの病理部位の定期診断から前立腺針生検を経時的に解析することにより,診断精度を損なうことなくAIモデルのIHC使用を最小限に抑える能力を評価した。 これらのコホートは、診断医が診断を確定するためにIHCを必要とした難しい症例のみで構成されていた。 AIモデルは、通常のH&Eステンディングスライドにおける癌検出のための0.951-0.993の曲線値の領域を実証した。 感度優先診断閾値の適用により、調査された3つのコホートにおいて、単一の偽陰性予測なしで、ICC染色の必要性は44.4%、42.0%、20.7%減少した。 このAIモデルは、IHC使用の最適化、前立腺病理における意思決定の合理化、リソース負担軽減の可能性を示している。

関連論文リスト

• Development and prospective validation of a prostate cancer detection, grading, and workflow optimization system at an academic medical center [1.9729379339863824]
  がん検出, グレーディング, IHC 注文症例のスクリーニングモデルを開発した。 タスク固有前立腺モデルの性能を汎用基礎モデルと比較した。 癌検出におけるタスク特異的モデルと基礎モデルの間に統計的に有意な差は認められなかった。
  論文  参考訳（メタデータ） (2024-10-31T05:29:18Z)
• Generalizing AI-driven Assessment of Immunohistochemistry across Immunostains and Cancer Types: A Universal Immunohistochemistry Analyzer [12.164507399614347]
  We developed a Universal IHC analysisr, a AI model for interpremeing IHC images regardless of tumor or IHC types。 このマルチコホート訓練モデルは、目に見えないIHCの解釈において、従来のシングルコホートモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-07-30T08:39:30Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Diagnosis Of Takotsubo Syndrome By Robust Feature Selection From The Complex Latent Space Of DL-based Segmentation Network [4.583480375083946]
  医学における分類モデルやセグメンテーションモデルを用いて、潜伏した特徴を学習し、堅牢な特徴選択をオプトアウトし、過度な適合につながる可能性がある。 本稿では,診断を支援するセグメンテーションモデルの潜在空間を用いた特徴選択手法を提案する。 診断精度82%が従来のSOTA (State-of-the-art) を上回り, 心疾患の鑑別診断に有用であった。
  論文  参考訳（メタデータ） (2023-12-19T22:53:32Z)
• Machine Learning Sensors for Diagnosis of COVID-19 Disease Using Routine Blood Values for Internet of Things Application [0.0]
  ヒストグラムに基づくGradient Boosting (HGB) は、100%の精度で、学習時間は6.39秒であった。 我々は、これらの11の特徴とその組み合わせを、病気の診断においてMLセンサーの重要なバイオマーカーとして使用し、ArduinoおよびクラウドIoTサービス上でエッジコンピューティングをサポートすることを提案する。
  論文  参考訳（メタデータ） (2022-09-08T01:35:45Z)
• A New Feature Selection Method for LogNNet and its Application for Diagnosis and Prognosis of COVID-19 Disease Using Routine Blood Values [0.0]
  本研究の目的は,LogNNet貯水池ニューラルネットワークの特徴選択法を用いて,新型コロナウイルスの診断・予後における最も効果的なルーチン血液値を決定することである。 LogNNetモデルは、患者の症状や病歴を知らずに、COVID-19パフォーマンスの非常に高い診断・予後を示した。
  論文  参考訳（メタデータ） (2022-05-20T05:47:29Z)
• 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)
• 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)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。