Head-to-Head Evaluering af Cancer Ontology Supervised Multimodal Orchestration (COSMO) AI System versus Kun Patolog-gennemgang (COSMO)

Studiets Rationale og Baggrund Diagnosticeringsnøjagtigheden i klassificeringen af cancersubtyper varierer betydeligt blandt patologer på grund af forskelle i ekspertise, erfaring og adgang til diagnostiske ressourcer. Fremkomsten af AI-systemer i patologi tilbyder potentialet for at forbedre diagnostisk præstation og konsistens i klassificeringen af kræft. Dog er direkte empiriske sammenligninger mellem AI-baserede forudsigelser og patologers diagnostiske præstation på identiske tilfælde fortsat begrænset i litteraturen.

Studiets Formål Dette head-to-head sammenlignende studie har til formål at: (1) evaluere den diagnostiske præstation af COSMO AI-systemet i klassificeringen af cancersubtyper på tværs af flere anatomiske steder; (2) karakterisere den diagnostiske nøjagtighed af erfarne patologer på de samme tilfælde; (3) direkte sammenligne diagnostiske præstationsmålinger mellem COSMO og patologer; og (4) undersøge overensstemmelsesmønstre og præstationsvariation efter anatomisk sted, kræftforekomstkategori, patologerfaring og tilfældets kompleksitet.

Studiets Rammer og Deltagere Studiet vil involvere op til 25 specialcertificerede patologer med 3 til 10+ års diagnostisk erfaring, rekrutteret fra institutioner i Nordamerika, Europa og Asien-Stillehavsområdet. Deltagende patologer vil have domæneekspertise inden for neuropatologi, lungepatologi, urologisk patologi eller generel anatomisk patologi.

Tilfælde og Stratificering Studiet vil anvende de-identificerede arkivbilleder af hele slides, der repræsenterer op til 300 patienter med bekræftede referencediagnoser, inklusive 100 hjernesvulster, 100 lungekræfttilfælde og 100 nyrekræfttilfælde. Tilfælde vil blive stratificeret efter kræfttype og forekomstkategori (almindelig vs. sjælden eller ualmindelig), i overensstemmelse med Verdenssundhedsorganisationens (WHO) retningslinjer.

Dataindsamling Patologer vil uafhængigt gennemgå hvert tilfælde og give diagnostiske klassifikationer sammen med tillidsvurderinger ved hjælp af en 5-punkts skala. Det digitale patologiinterface vil automatisk registrere tid-til-diagnose målinger. COSMO vil behandle de samme tilfælde offline for at generere uafhængige diagnostiske forudsigelser og tillidsscorer. Både patologers og AI's forudsigelser vil blive evalueret i forhold til etablerede referencediagnoser.

Analyse Ramme Den primære analyse vil karakterisere diagnostiske præstationsmålinger (herunder nøjagtighed, følsomhed, specificitet, positiv prædiktiv værdi (PPV), negativ prædiktiv værdi (NPV) og areal under ROC-kurven (AUROC)) for både patologer (på individuelle og aggregerede niveauer) og COSMO-systemet. Sekundære analyser vil vurdere præstation stratificeret efter anatomisk sted, kræftforekomstkategori og patologerfaringsniveau.