All scanners from KFBIO

IA clínica pionera: cómo un escáner KFBIO ayudó a entrenar un sistema para una detección casi perfecta del cáncer gástrico

By Published On: 09/15/2020

Por qué las imágenes de patología digital de alta calidad son importantes para la IA

La escasez mundial de patólogos y la variabilidad diagnóstica continúan desafiando el diagnóstico del cáncer gástrico. La patología digital y la inteligencia artificial (IA) se perfilan como soluciones transformadoras a estos problemas.

Un estudio histórico publicado enComunicaciones de la naturalezademostró el potencial de este enfoque. Los investigadores entrenaron un sistema de inteligencia artificial utilizando imágenes digitalizadas por el KFBIOKF-PRO-005escáner. El sistema logró99,6% de sensibilidady80,6% de especificidaden la detección del cáncer gástrico.

El KF-PRO-005 también ofrece imágenes de diapositivas completas (WSI) consistentes y de alta calidad. Estas imágenes proporcionan una base confiable para diagnósticos de IA clínicamente aplicables.

Introducción: el desafío del diagnóstico y la solución digital

Los escáneres de patología digitales están transformando los flujos de trabajo de patología modernos.

cáncer gástricosigue siendo una importante carga para la salud mundial. El diagnóstico temprano y preciso es esencial para mejorar la supervivencia del paciente. Sin embargo, los sistemas sanitarios de todo el mundo se enfrentan a una creciente escasez de patólogos. Las grandes cargas de trabajo y el aumento del volumen de casos también pueden provocar variabilidad diagnóstica.

Para abordar estos desafíos, los laboratorios de patología están adoptando Whole Slide Imaging (WSI). La patología digital no sólo moderniza los flujos de trabajo de diagnóstico sino que también libera todo el potencial de la inteligencia artificial.

Un estudio histórico publicado enComunicaciones de la naturalezadestaca la poderosa combinación de escaneo digital confiable e inteligencia artificial avanzada. Investigadores de laHospital General del EPL chinodesarrolló un sistema de IA clínicamente aplicable para la detección del cáncer gástrico. El sistema proporcionó una precisión diagnóstica notable.

En el centro de esta investigación pionera estaba elKFBIOKF-PRO-005 escáner de diapositivas digital. Los investigadores seleccionaron elescánerdigitalizar las imágenes de entrenamiento de alta calidad que permitieron a la IA aprender de patólogos expertos.

Construyendo las bases de la IA: escaneo de precisión y anotación de expertos

Desarrollar un sistema confiablemodelo de IArequiere un conjunto de datos grande, de alta calidad y cuidadosamente anotado.

Para este estudio, los patólogos recolectaron2123 imágenes de diapositivas completas teñidas con H&Ede1.500 pacientes. El conjunto de datos incluía una amplia gama de tipos de tejidos y subtipos de tumores. Los investigadores digitalizaron cada diapositiva enAumento de 40× (0,238 μm/píxel)utilizando el escáner KFBIO KF-PRO-005.

A continuación, un equipo de12 patólogos seniorRealizó anotaciones detalladas a nivel de píxeles con un sistema personalizado basado en iPad. Etiquetaron cuidadosamente regiones de tejido maligno, benigno y de otro tipo. Estas anotaciones de alta calidad, creadas a partir de imágenes escaneadas consistentemente, se convirtieron en la base para entrenar el modelo de aprendizaje profundo.

Excelencia técnica: un modelo de aprendizaje profundo para uso en el mundo real

El equipo de investigación desarrolló una sofisticada red neuronal convolucional profunda basada enDeepLabv3para la segmentación semántica.

A diferencia de los modelos de clasificación convencionales, este enfoque hace más que clasificar una diapositiva como positiva o negativa. También genera un mapa de calor detallado a nivel de píxeles que resalta las regiones sospechosas directamente en la diapositiva digital. Como resultado, los patólogos pueden identificar áreas potenciales de cáncer de manera más eficiente.

Los investigadores también se centraron en hacer que el modelo fuera lo suficientemente sólido para la práctica clínica habitual. Introdujeron técnicas de entrenamiento avanzadas, incluida la fluctuación del color y la simulación de desenfoque. Estos métodos permitieron que la IA funcionara de manera consistente a pesar de las variaciones en la tinción de tejidos y la calidad de la imagen. Los resultados demuestran aún más la importancia de comenzar con imágenes de diapositivas completas estables y de alta calidad generadas por elKF-PRO-005escáner.

Rendimiento innovador: validación del asistente de IA

El equipo de investigación evaluó rigurosamente el sistema de IA utilizando un gran conjunto de pruebas del mundo real de3212 imágenes diarias de diapositivas gástricas completas (WSI). Los resultados demostraron un rendimiento diagnóstico excepcional.

Sensibilidad: 99,6%

La IA identificó correctamente casi todos los casos malignos. Esta sensibilidad excepcionalmente alta redujo en gran medida el riesgo de diagnósticos erróneos.

Especificidad: 80,6%

El sistema también mantuvo una alta especificidad. Identificó correctamente la mayoría de los tejidos benignos y al mismo tiempo apoyó flujos de trabajo clínicos eficientes.

Rendimiento sólido en varios escáneres

Aunque los investigadores entrenaron el modelo con imágenes del KFBIOKF-PRO-005escáner, también funcionó de manera confiable en diapositivas digitalizadas por otras dos marcas líderes de escáneres. En particular, el modelo logró su mayor rendimiento en los WSI generados por elKF-PRO-005, la misma plataforma utilizada durante el entrenamiento.

Ventaja de rendimiento y robustez

El rendimiento confiable en diferentes plataformas de escaneo es esencial para la implementación de la IA clínica. Para evaluar esta capacidad, los investigadores probaron el modelo con diapositivas digitalizadas por tres modelos de escáner:

  • KFBIO KF-PRO-005:403 WSI
  • Ventana DP200:977 WSI
  • Hamamatsu Nano Zoomer S360:1.832 WSI

La IA demostró una excelente estabilidad general durante toda la evaluación. En todos los escáneres y períodos de prueba, logró un promedioÁrea bajo la curva (AUC) de 0,986.

El KF-PRO-005 produjo consistentemente los mejores resultados porque sirvió como plataforma de entrenamiento del modelo. Los investigadores observaron sólo ligeras diferencias de rendimiento en las diapositivas escaneadas por los otros dos sistemas. Por ejemplo, la especificidad varió modestamente entre las marcas de escáneres.

Estos hallazgos resaltan el valor de utilizar una plataforma de escaneo consistente y de alta calidad durante todo el desarrollo de la IA y su implementación clínica. La adquisición de imágenes de alta calidad ayuda a maximizar el rendimiento del modelo y, al mismo tiempo, respalda resultados de diagnóstico confiables.

En general, los resultados validan dos fortalezas importantes. En primer lugar, demuestran la excelente calidad de imagen proporcionada por elKF-PRO-005escáner. En segundo lugar, confirman la fuerte generalización del modelo de IA entrenado con KFBIO imágenes generadas.

KFBIO KF-PRO-005 exterior del escáner de patología digital y diagrama de flujo de trabajo; Superposición de mapas de calor generados por IA en una imagen de diapositiva completa gástrica; Gráfico de barras que compara el rendimiento de la IA entre modelos de escáner.

Entrenamiento e inferencia de un modelo de aprendizaje profundo. Entrenamos el modelo utilizando WSI digitalizados y anotados en PLAGH. Ilustramos la distribución de los datos de entrenamiento a nivel de diapositiva. Las abreviaturas se detallan en la Tabla complementaria 1. El modelo entrenado se probó mediante diapositivas recopiladas de PLAGH y otros dos hospitales. b El gráfico del histograma de rendimiento del modelo de las diapositivas del conjunto de datos gástricos diarios. c Histograma de rendimiento del modelo de los portaobjetos gástricos diarios digitalizados por tres escáneres diferentes.

Impacto clínico: aumento de la experiencia de los patólogos

El estudio demostró más que excelentes métricas de desempeño. También mostró cómo la IA puede mejorar la práctica clínica diaria.

Detectar casos perdidos

La IA identificó con éxito dos casos malignos sutiles que los patólogos pasaron por alto durante el diagnóstico inicial. Estos resultados demuestran el valor del sistema como una capa de seguridad adicional para la práctica patológica de rutina.

Apoyando diagnósticos desafiantes

Algunos casos complejos requirieron tinción inmunohistoquímica (IHC) adicional antes de llegar a un diagnóstico final. En estas situaciones, la IA generó puntuaciones de probabilidad objetivas que ayudaron a los patólogos a priorizar, revisar y evaluar los casos difíciles de manera más eficiente.

Mejora de la precisión diagnóstica

Los investigadores también llevaron a cabo una evaluación de diagnóstico cronometrada que involucró12 patólogos jóvenes. Los participantes que utilizaron el sistema asistido por IA lograron una mayor precisión diagnóstica que aquellos que confiaron únicamente en la microscopía convencional o en portaobjetos digitales estándar.

Estos hallazgos demuestran que la IA puede complementar, en lugar de reemplazar, a los patólogos. Al combinar el conocimiento experto con el apoyo a la toma de decisiones inteligente, la patología digital puede ofrecer diagnósticos más rápidos, precisos y consistentes.

Conclusión: un paso hacia el futuro de la patología

ElComunicaciones de la naturalezaEl estudio proporciona evidencia convincente de que la asistencia de diagnóstico impulsada por IA ya no es un concepto teórico. En cambio, se ha convertido en una solución clínicamente viable para respaldar el diagnóstico del cáncer gástrico.

La investigación también destaca el papel fundamental de la patología digital de alta calidad. Las imágenes confiables de portaobjetos completos proporcionan la base para el desarrollo y la implementación clínica de modelos de IA precisos.

A lo largo del estudio, el KFBIOKF-PRO-005El escáner de diapositivas digital proporcionó los datos de imágenes consistentes y de alta resolución necesarios para el entrenamiento de IA. Estas imágenes de alta calidad permitieron a los investigadores construir un modelo de aprendizaje profundo confiable y altamente preciso.

En última instancia, este trabajo demuestra cómo los patólogos y la IA pueden trabajar juntos. Al combinar la experiencia humana con la inteligencia artificial, la patología digital puede ofrecer diagnósticos más rápidos, precisos y consistentes para pacientes de todo el mundo.

Fundación de Investigación: Los datos de aplicación y rendimiento descritos aquí se basan en un estudio clínico histórico publicado enComunicaciones de la naturaleza. La investigación, realizada en el Hospital General chino PLA, desarrolló un sistema de aprendizaje profundo para la detección del cáncer gástrico utilizando imágenes de diapositivas completas digitalizadas por KFBIO escáneres. El modelo demostró una sensibilidad del 99,6 % y una especificidad del 80,6 % en un gran conjunto de pruebas del mundo real. Para obtener detalles metodológicos y resultados completos, consulte el artículo original:Sistema de diagnóstico histopatológico clínicamente aplicable para la detección de cáncer gástrico mediante aprendizaje profundo.comuna nacional11, 4294 (2020).

ElKF-PRO-005:La Fundación Confiable para la Patología Digital

Muchos laboratorios de patología e instituciones de investigación líderes confían en el KFBIO KF-PRO-005 para respaldar los flujos de trabajo de patología digital. El histórico estudio de IA descrito anteriormente es un ejemplo de su desempeño comprobado.

Como uno de los escáneres de patología digitales emblemáticos de KFBIO, el KF-PRO-005 se ha ganado la confianza de laboratorios de todo el mundo durante más de una década. Hoy, más de1.500 unidadesSe han instalado globalmente.

El escáner es bien conocido por su estabilidad, confiabilidad y operación continua de alto volumen. Ofrece constantemente imágenes de diapositivas completas de alta calidad y, al mismo tiempo, mantiene un excelente rendimiento de escaneo a lo largo del tiempo.

Además, el KF-PRO-005 admite múltiples tamaños de portaobjetos y tipos de muestras. Esta flexibilidad permite a los laboratorios de patología cumplir con diversos requisitos clínicos y de investigación.

Elegir el KF-PRO-005 significa invertir en más que un escáner de diapositivas digital. Los laboratorios obtienen una plataforma probada que respalda el flujo de trabajo de patología digital actual mientras se preparan para futuras innovaciones en IA y patología computacional.

Preguntas frecuentes

¿Qué papel jugó el KFBIO KF-PRO-005 en el estudio de detección de cáncer gástrico con IA?

Los investigadores utilizaron el KF-PRO-005 para digitalizar imágenes de diapositivas completas de alta resolución enAumento de 40× (0,238 μm/píxel). Estas imágenes de alta calidad proporcionaron los datos de entrenamiento esenciales para desarrollar el modelo de aprendizaje profundo.

¿Cómo funcionó la IA en diferentes marcas de escáneres?

La IA demostró un rendimiento sólido en diapositivas escaneadas por KFBIO KF-PRO-005, Ventana DP200 y Hamamatsu NanoZoomer S360. Logró un promedioAUC de 0,986en todas las plataformas, con el mejor rendimiento en imágenes generadas por KF-PRO-005.

¿Cuál es la importancia clínica de esta investigación?

La IA funciona como una herramienta inteligente de apoyo a la toma de decisiones en lugar de un reemplazo de los patólogos. Ayuda a reducir los diagnósticos perdidos, respalda los casos difíciles con puntuaciones de probabilidad objetivas y mejora la precisión del diagnóstico, especialmente para los patólogos menos experimentados.

Referencia

Referencia:Este artículo destaca los hallazgos clave del siguiente estudio revisado por pares:Song, Z., Zou, S., Zhou, W. et al. Sistema de diagnóstico histopatológico clínicamente aplicable para la detección de cáncer gástrico mediante aprendizaje profundo.comuna nacional11, 4294 (2020). https://doi.org/10.1038/s41467-020-18147-8

Written by : Kevin, Gui

Leave A Comment