Un algoritmo AI per il punteggio del focus linfocitario dei campioni bioptici delle ghiandole salivari minori per la diagnosi della sindrome di Sjogren

1. Sviluppare ed eseguire il debug dell'algoritmo AI per il punteggio del focus linfocitario nelle immagini di diapositive intere di campioni di biopsia SG minore labiale per la diagnosi della sindrome di Sjogren; Un totale di 200 vetrini con colorazione H&E di campioni di biopsia SG minore labiale vengono raccolti dal Sun Yat-sen Memorial Hospital dell'Università di Sun Yat-sen e scansionati in immagini patologiche digitali. La verità fondamentale relativa all'area del tessuto ghiandolare e al numero dei focolai linfocitari in ciascuna immagine viene interpretata da tre patologi senior con oltre 5 anni di esperienza correlata.
2. Test interno dell'algoritmo AI; Un totale di 500 immagini patologiche digitali aggiuntive di tessuti bioptici delle ghiandole labiali sono state raccolte dal Sun Yat-sen Memorial Hospital dell'Università di Sun Yat-sen. La verità fondamentale sull'area del tessuto ghiandolare e sul numero dei focolai linfocitari in ciascuna immagine viene interpretata da tre patologi senior con oltre 5 anni di esperienza correlata. Vengono calcolati l'accuratezza, la specificità, la sensibilità, il valore predittivo positivo e il valore predittivo negativo dell'algoritmo AI nella valutazione dell'area della ghiandola labiale e del numero di focolai linfocitari. Viene inoltre condotto un confronto tra l'algoritmo AI e la verità fondamentale per verificare se l'immagine soddisfa i criteri per la sindrome di Sjögren (punteggio di messa a fuoco maggiore di 1).
3. Validazione clinica dell'algoritmo AI con metodo cieco in più centri; Un totale di 600 immagini patologiche digitali aggiuntive dei tessuti bioptici delle ghiandole labiali vengono raccolte da sei centri esterni. La verità fondamentale sull'area del tessuto ghiandolare e sul numero dei focolai linfocitari in ciascuna immagine viene interpretata da tre patologi senior con oltre 5 anni di esperienza correlata. Vengono calcolati l'accuratezza, la specificità, la sensibilità, il valore predittivo positivo e il valore predittivo negativo dell'algoritmo AI nella valutazione dell'area della ghiandola labiale e del numero di focolai linfocitari. Viene inoltre condotto un confronto tra l'algoritmo AI e la verità fondamentale per verificare se l'immagine soddisfa i criteri per la sindrome di Sjögren (punteggio di messa a fuoco maggiore di 1).

4）Costruire una piattaforma di interpretazione patologica remota assistita dall'intelligenza artificiale per il punteggio di focus dei linfociti nell'SG labiale a livello globale ed esplorarne l'applicazione clinica.

Le immagini patologiche digitali del tessuto bioptico delle ghiandole labiali possono essere caricate sulla piattaforma Labial Gland Pathological Focus Score Remoting. L'interpretazione patologica assistita dall'intelligenza artificiale sull'area del tessuto ghiandolare, sul numero di foci linfocitari e se il rispetto dei criteri per la sindrome di Sjögren (punteggio focus maggiore di 1) viene confrontato con la verità fondamentale.