論文の概要: AI-assisted mitotic counting improves reproducibility and efficiency across multiple tumour types
- arxiv url: http://arxiv.org/abs/2610.01813v1
- Date: Thu, 01 Oct 2026 14:48:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.207739
- Title: AI-assisted mitotic counting improves reproducibility and efficiency across multiple tumour types
- Title（参考訳）: AIによるミオティックカウントは、複数種類の腫瘍における再現性と効率を改善する
- Abstract要約: MitProは、病理学者を最も予測された有糸分裂活動のある領域に誘導することで、一貫性と効率を改善するように設計されたAIツールである。
本研究は,その効果が,非干渉的,非干渉的,対の読者研究におけるミオティックカウントの効率に及ぼす影響を検証した。
- 参考スコア（独自算出の注目度）: 1.152859279737078
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mitotic counting is an important component of tumour grading, diagnosis and prognostic assessment across several tumour types, but manual assessment is time-consuming and subject to inter-pathologist variability. To help address these challenges, we developed MitPro, an AI tool designed to improve consistency and efficiency by directing pathologists towards regions with the highest predicted mitotic activity and highlighting mitotic figures for review, while retaining pathologist control over region selection and the final count. We evaluated its effect on the reproducibility and efficiency of mitotic counting in a retrospective, non-interventional, paired reader study comprising 385 whole-slide images from 3 centres in 3 countries and 7 tumour types using 3 different scanners. 13 pathologists participated, with each slide assessed independently by 3 pathologists without AI assistance and again with AI assistance after a minimum 2 week washout period. Across all slides, AI-assisted counting increased the intraclass correlation coefficient from 0.589 to 0.949. Mean pathologist-level median assessment time decreased from 286.4 to 127.8 seconds, corresponding to an average saving of 151.8 seconds per assessment. Improvements in agreement and efficiency were also observed in supporting analyses using HALO AP and Sectra image management systems and in 2 additional tumour types outside the main study population. AI-assisted assessment was associated with a subtle shift towards higher mitotic counts and scores, consistent with identification of more active mitotic hotspots and fewer missed mitotic figures. The frequency of score change between unassisted and AI-assisted assessment was comparable with inter-pathologist variation during routine counting. These findings support the use of MitPro as an assistive tool for more consistent and efficient mitotic assessment in routine practice.
- Abstract（参考訳）: 腫瘍の鑑別,診断,予後評価は,いくつかの種類の腫瘍において重要な要素であるが,手動による評価は時間を要するため,病理組織間変異が伴う。
これらの課題に対処するために、我々は、病理学者を最も予測された有糸分裂活動のある領域に誘導し、レビューのために有糸分裂図を強調することにより、一貫性と効率を改善するために設計されたAIツールであるMitProを開発した。
3ヶ国3ヶ国3カ所の385箇所の地すべり画像と3つの異なるスキャナーを用いた7種類の腫瘍の再現性と効率性について検討した。
13人の病理学者が参加し、各スライドはAIを介さずに3人の病理学者から独立して評価され、最低2週間の洗い出し後に再びAIの支援を受けた。
全てのスライドにおいて、AIによるカウントはクラス内相関係数を0.589から0.949に引き上げた。
平均病理学レベルの中央値評価時間は286.4秒から127.8秒に減少した。
また, HALO APとシグネラ画像管理システムを用いた解析, および本研究集団以外の2種類の腫瘍群において, 一致率と効率性の向上が認められた。
AIを用いた評価は、より活発な有糸分裂ホットスポットの同定と、欠落した有糸分裂の数が少なくなるという、より高い有糸分裂数とスコアへの微妙なシフトに関連付けられていた。
非援助的評価とAI的評価の間のスコアの変化頻度は、定期的な計数における病理組織間変動と同等であった。
これらの知見は、日常的な実践において、より一貫性があり、効率的なミオティックアセスメントのための補助ツールとしてMitProの使用を支持する。
関連論文リスト
- Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Real-Time Guidewire Tip Tracking Using a Siamese Network for Image-Guided Endovascular Procedures [27.037820619664654]
本稿では,心血管疾患に対する画像誘導治療におけるガイドワイヤチップ追跡タスクについて述べる。
デュアルアテンション機構を備えたシームズネットワークに基づく新しいトラッキングフレームワークは、堅牢なチップトラッキングのための自己と相互アテンション戦略を組み合わせたものである。
このフレームワークは、平均処理速度が57.2フレーム/秒であり、血管内イメージングの時間的要求を満たす。
論文 参考訳（メタデータ） (2025-06-25T02:34:00Z) - Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。
パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
論文 参考訳（メタデータ） (2025-05-23T14:40:09Z) - Artificial Intelligence to Assess Dental Findings from Panoramic Radiographs -- A Multinational Study [3.8184255731311287]
6,669個の歯科用パノラマ線写真(DPR)を3つのデータセットから分析した。
性能指標には、受信機動作特性曲線(AUC-ROC)の感度、特異性、面積が含まれていた。
AIシステムは、人間の読者に匹敵する、あるいは優れたパフォーマンスを示した。
論文 参考訳（メタデータ） (2025-02-14T16:34:21Z) - PSO-Net: Development of an automated psoriasis assessment system using attention-based interpretable deep neural networks [0.0]
Psoriasis Area and Severity Index (PASI) は、臨床治験におけるPsoriasis Severityを評価する標準的な測定基準として用いられる。
本稿では,PSO-Net と呼ばれる新しい深層学習アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-01-30T22:18:19Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - How Many Annotators Do We Need? -- A Study on the Influence of
Inter-Observer Variability on the Reliability of Automatic Mitotic Figure
Assessment [39.203884417441635]
病理組織学的にみられた有糸分裂像の密度は,多くの腫瘍の予後に重要な特徴である。
ディープラーニングベースのアルゴリズムは、腫瘍の予後を改善するための有望なソリューションである。
アルゴリズム性能に対するマルチエキスパートコンセンサスの利点を評価した。
論文 参考訳（メタデータ） (2020-12-04T09:54:00Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。