前瞻性验证：一种用于前列腺癌检测、分层及工作流程优化的体系系统开发
图像与视频处理
2025-03-18 v2 计算机视觉与模式识别
摘要
人工智能可能帮助医疗系统应对日益增加的病理服务需求，同时保持诊断质量，降低周转时间和成本。我们旨在探讨该机构内部开发的用于前列腺癌检测、分层及工作流程优化的系统性能，并与商业方案进行对比。自 2021 年 8 月至 2023 年 3 月，我们扫描了 21,396 张组织片，涉及 1,147 名接受活检的患者。我们为癌症检测、分层及对含模糊情况的 IHC 筛查开发了模型。我们将任务特定的前列腺模型与通用基础模型在反映我机构患者群体的前瞻性收集数据集上进行比较。我们还评估了旨在提高对小癌灶灵敏度并感知低分辨率图案的专属模型的贡献。我们发现，在检测方面与病理学家的真实标注高度一致（ROC 曲线下面积 98.5%，灵敏度 95.0%，特异度 97.8%），ISUP 分层 (Cohen's kappa 0.869)，前列腺癌晚期分期 3 以上分类 (ROC 曲线下面积 97.5%，灵敏度 94.9%，特异度 96.6%)。筛查模型可在免疫组织化学检查订单的 55% 组织块上正确分类，错误率为 1.4%。我们在癌症检测中未发现任务特定模型与基础模型之间存在统计学显著差异，尽管后者模型规模更小且更快。拥有高扫描量并具备报告抽象能力的机构（如学术医学中心）可以开发出高度精确的计算病理模型用于内部使用。这些模型在质量控制中发挥作用，可改善病理实验室的资源分配和工作流程，以帮助应对未来前列腺癌诊断的挑战。
引用
@article{arxiv.2410.23642,
title = {Development and prospective validation of a prostate cancer detection, grading, and workflow optimization system at an academic medical center},
author = {Ramin Nateghi and Ruoji Zhou and Madeline Saft and Marina Schnauss and Clayton Neill and Ridwan Alam and Nicole Handa and Mitchell Huang and Eric V Li and Jeffery A Goldstein and Edward M Schaeffer and Menatalla Nadim and Fattaneh Pourakpour and Bogdan Isaila and Christopher Felicelli and Vikas Mehta and Behtash G Nezami and Ashley Ross and Ximing Yang and Lee AD Cooper},
journal= {arXiv preprint arXiv:2410.23642},
year = {2025}
}