中东地区阴道镜病理学的人工智能诊断模型验证

背景：人工智能（AI）正在提高癌症诊断的效率和准确性。目前，病理学 AI 系统的性能几乎仅在来自欧洲和美国大型中心的队列中进行评估。为了实现全球范围的人工智能在病理学中的应用，需要在当前缺乏代表性的队列——即潜在从 AI 支持中获益最大的地区——进行验证研究。我们首次在中东地区进行外部验证，聚焦 AI 基于病理学的诊断和肠秀氏（Gleason）分级。方法：我们收集并数字化了来自库尔斯坦地区、伊拉克的 339 例阴道镜病理样本，代表连续系列的 185 名患者，时间跨度为2013-2024年。我们评估了任务特定的端到端 AI 模型和两个基础模型，其与病理学家的一致性以及跨三种扫描仪型号（Hamamatsu、Leica 和 Grundium）的一致性。结果：AI 与病理学家的分级一致性类似于病理学家-病理学家的一致性，Cohen 的二次加权 Kappa 为 0.801 vs. 0.799（p=0.9824）。所有 AI 模型和扫描仪组合的交叉扫描仪一致性均很高（二次加权 Kappa >0.90），包括低成本便携式扫描仪。解释：AI 模型在阴道镜病理学评估中表现出与病理学家相当的水平。便携式扫描仪为非数字化环境中的验证研究提供了路径，使拥有有限样本量的实验室能够以成本效益的方式采用 AI。本次首次公开提供的中东地区数字病理数据集支持进一步的全球公平 AI 病理学研究。资金：SciLifeLab 和 Wallenberg Data Driven Life Science Program，Instrumentarium Science Foundation，Karolinska Institutet Research Foundation。