Utvikling og prospektiv validering av en digital patologi-basert kunstig intelligens diagnostisk modell for pan-cancer lymfatisk metastase

Lymfeknutemetastase (LNM) er en vanlig kreftmetastasemetode, og nøyaktig postoperativ patologisk lymfeknuteinndeling er av stor betydning for videre behandling og prognosevurdering. Den nåværende patologiske evalueringen av lymfeknuter er imidlertid avhengig av manuell undersøkelse av patologer, som har en relativt lav diagnostisk effektivitet og er utsatt for manglende diagnose for mikrometastatiske lesjoner.

Derfor skal etterforskere utvikle en kunstig intelligens (AI)-basert diagnostisk modell for å oppdage patologisk kreftlymfeknutemetastaser basert på dype læringsalgoritmer, og evaluere dens bruksverdi i kliniske omgivelser i den virkelige verden.

Denne studien er en diagnostisk test uten intervensjonstiltak, og planlegger å samle patologiske lysbilder av formalinfikserte, parafininnstøpte lymfeknuter resekert fra de registrerte pasientene og digitalisere dem til helbildebilder (WSI). AI-modellen vil analysere WSI-ene og generere varmekart på pikselnivå og diagnostiske resultater på lysbildenivå (med eller uten LNM). Den rutinemessige patologiske undersøkelsen vil bli utført som vanlig. Disse to prosessene vil ikke forstyrre hverandre. Og hvis det er inkonsekvens i klassifiseringen på lysbildenivå mellom AI og rutinemessig patologisk undersøkelse, vil etterforskere innkalle seniorpatologer til diskusjon for å ta den endelige avgjørelsen (immunhistokjemi vil bli utført om nødvendig). Det endelige resultatet vil bli presentert for pasienten i form av en patologisk rapport.