原題
Deep Learning Discriminates Thymic Epithelial Tumors Histological Subtypes Using Digital Pathology.
背景:胸腺上皮性腫瘍はまれであり、組織学的に不均一であり、観察者間の大きな変動性を伴うセカンドオピニオンは57%まで再分類されるため、ディープラーニングは一貫性を改善する可能性がある。
方法:TCGAからのH&E全スライド画像で、治療/アウトカム群に合わせた新しい階層的損失を用いて、深層学習モデルを訓練した。これは、3群の階層的スキームおよび6クラスのWHO分類を用いて、専門家による胸部病理レビューを受けたシカゴ大学の連続症例112例について検証された。
結果:3群の精度は91.1%(κ=0.859)、6クラスは77.7%(κ=0.716)であった。胸腺がんの感度は100%、精度は94.6%であった。エラーの60%は同じ管理グループ内で発生していた。
結論:このモデルは、特に胸部の専門知識が限られている場合に、診断の一貫性を高め、病理学の意思決定を支援することができる。
Journal: Ann Oncol (CiteScore 2022: 63)
DOI: 10.1016/j.annonc.2025.12.003
PMID: 41390119
コメント