人工智能辅助前列腺癌诊断：减少免疫组织化学染色用量
计算机视觉与模式识别
2025-04-02 v1
摘要
前列腺癌诊断严重依赖组织病理学评估，诊断结果存在变异性。虽然免疫组织化学染色（IHC）有助于区分良性与恶性组织，但其涉及较高的工作量、成本及诊断延迟。人工智能（AI）为减少对IHC的依赖提供了可行方案，能够准确分类异常腺体及边缌形态。本研究评估了AI模型在不牺牲诊断准确性的前提下，如何最小化IHC用量。我们对三个不同病理中心的前列腺活检标本进行回顾性分析，这些样本中仅包含诊断路径学家需依赖IHC才能最终确定诊断的难题病例。结果显示，AI模型在常规H&E染色切片中检测癌症的ROC曲线下面积值为0.951-0.993。应用以灵敏度为优先考量的诊断阈值，可在所调查的三个数据集中分别将IHC染色需求减少44.4%、42.0%和20.7%，且未出现单一的假阴性预测。该AI模型有望优化IHC用量，简化前列腺病理学决策流程，减轻资源负担。
引用
@article{arxiv.2504.00979,
title = {Artificial Intelligence-Assisted Prostate Cancer Diagnosis for Reduced Use of Immunohistochemistry},
author = {Anders Blilie and Nita Mulliqi and Xiaoyi Ji and Kelvin Szolnoky and Sol Erika Boman and Matteo Titus and Geraldine Martinez Gonzalez and José Asenjo and Marcello Gambacorta and Paolo Libretti and Einar Gudlaugsson and Svein R. Kjosavik and Lars Egevad and Emiel A. M. Janssen and Martin Eklund and Kimmo Kartasalo},
journal= {arXiv preprint arXiv:2504.00979},
year = {2025}
}
备注
29 pages, 5 figures and 3 tables