Prospektiv validering av patologibaserad diagnostisk modell för artificiell intelligens för lymfkörtelmetastaser vid prostatacancer

Lymfkörtelmetastaser (LNM) är ett vanligt sätt för metastasering vid prostatacancer, och noggrann postoperativ patologisk lymfkörtelindelning är av stor betydelse för vidare behandling och prognosbedömning. Den nuvarande patologiska utvärderingen av lymfkörtlar förlitar sig dock på manuell undersökning av patologer, som har en relativt låg diagnostisk effektivitet och är benägen att missa diagnosen för mikrometastatiska lesioner. Därför utvecklade utredarna en AI-diagnostisk modell för att upptäcka patologisk lymfkörtelmetastasering av prostatacancer baserad på djupinlärningsalgoritmer i preliminär forskning, och den fungerade bra i retrospektiva tester.

Denna studie är ett diagnostiskt test utan interventionsåtgärder, som planerar att samla patologiska objektglas av formalinfixerade, paraffininbäddade lymfkörtlar resekerade från de inskrivna patienterna och digitalisera dem till helbildsbilder (WSI). AI-modellen kommer att analysera WSI och generera värmekartor på pixelnivå och diagnostiska resultat på dia-nivå (med eller utan LNM). Den rutinmässiga patologiska undersökningen kommer att utföras som vanligt. Dessa två processer kommer inte att störa varandra. Och om det finns inkonsekvens i klassificeringen på objektglasnivå mellan AI och rutinmässig patologisk undersökning, skulle utredarna sammankalla seniora patologer för diskussion för att fatta det slutliga beslutet (immunhistokemi skulle utföras vid behov). Det slutliga resultatet kommer att presenteras för patienten i form av en patologisk rapport.