Djup inlärning för histopatologisk klassificering och prognostisering av gynekologiska tumörer i släta muskler (STUMP)

Släta muskeltumörer i livmodern som inte uppfyller de diagnostiska kriterierna för benignitet (som leiomyom) eller malignitet (som leiomyosarkom) kallas STUMP (slätmuskeltumör med osäker malign potential). En potentiell lösning på detta problem kan vara tillämpningen av prediktiva modeller som använder artificiell intelligens (AI) för att hjälpa till med histopatologisk klassificering och prognos av gynekologiska glatta muskeltumörer. Djup inlärning med hjälp av konvolutionella neurala nätverk representerar en specifik klass av maskininlärning, där prediktiva modeller tränas genom att beakta små grupper av pixlar i digitala bilder och iterativt identifiera framträdande egenskaper. I den här studien syftar vi till att utveckla modeller för djupinlärning som kan noggrant underklassificera och förutsäga prognosen för gynekologiska glatta muskeltumörer, baserat på histopatologiska egenskaper hos hematoxylin och eosin (H&E) diabilder. Syftet är att utveckla en diagnostisk och prognostisk algoritm för att hjälpa patologer att bättre klassificera och diagnostisera glattmuskeltumörer i livmodern och förutsäga deras kliniska förlopp.