人工智能在乳腺癌诊断提高精度
![Figure 1. Schematic overview of the optimisation, application and evaluation of the DeepGrade model. Stained histopathology slides from breast cancer surgical specimens were scanned, tumor regions were segmented and image tiles were extracted. Patients with tumors graded as Nottingham histological grade (NHG) 1 and 3 were used to optimize the DeepGrade model, a CNN ensemble including 20 base models. The DeepGrade model was subsequently applied to re-stratify NHG 2 cases. Finally, time-to-event analysis was applied to evaluate the prognostic performance. Credit: DOI: 10.1016/j.annonc.2021.09.007 人工智能在乳腺癌诊断提高精度](https://scx1.b-cdn.net/csz/news/800a/2021/ai-improves-precision.jpg)
瑞典卡罗林斯卡医学院的研究人员已经开发出一个基于ai工具,提高了乳腺癌肿瘤的诊断和预测复发的风险。诊断精度越大导致更多个性化的治疗乳腺癌的大群中间风险肿瘤患者。研究结果发表在《科学》杂志上《肿瘤学。
全球每年约有200万妇女患乳腺癌。在诊断过程中,组织样本肿瘤的病理学家进行了分析和分级,分类风险低(1级)、中(2级)或高(等级3)。这可以帮助医生确定最合适的治疗病人。
“大约一半的乳腺癌患者有2级肿瘤,而不幸的是没有提供明确的指导病人是如何被对待的,”说,该研究的第一作者Yinxi Wang博士生的医学流行病学和生物统计学,卡罗林斯卡医学院。“因此,一些病人诊断与化疗而其他人被under-treated风险。这是我们试图解决这一问题。”
医院最近开始利用有限的分子诊断改善乳腺癌风险评估的精度,但这些方法往往费时又费钱。卡罗林斯卡医学院的研究人员已经开发和评估一个AI (人工智能组织分析)的方法。研究表明,基于ai的方法可以进一步把2级肿瘤患者分成两个群体,高风险和低风险,清晰可辨的复发风险。
的一大优势是有成本效益的和快速的方法,因为它是基于显微镜的图像染色组织样本,已是医院的过程中,“co-last作者约翰·哈特曼说,病理学教授Oncology-Pathology,卡罗林斯卡医学院,病理学家卡罗琳斯卡大学医院。“这使我们能够为更多的人提供这种类型的诊断和提高我们的能力给予正确的治疗任何一个病人。”
AI模型已经被训练识别病人的高分辨率显微图像特征分类与一年级和三年级肿瘤。这项研究是基于2800年银行广泛的显微图像肿瘤。
“这太棒了深度学习可以帮助我们开发模型,不只是今天专家医生做繁殖,但也使我们能够提取信息超出了人类的眼睛的范围,”作者co-last说这张Rantalainen,副教授和研究组长的医学流行病学和生物统计学,卡罗林斯卡医学院。
该方法还没有准备好临床应用,但监管批准产品是新开始的公司正在开发,KI Stratipath AB,支持创新。研究人员将进一步评估方法,目的是在2022年有一个产品在市场。
进一步探索