Artificial Intelligence-Assisted Detection of Gastrointestinal Cytomegalovirus Infection in Biopsy Specimens Using Immunohistochemistry-Validated Deep Learning
Deze studie presenteert en valideert een door AI gestuurd systeem (EasyPath) dat de detectie van gastro-intestinale cytomegalovirusinfectie in biopten aanzienlijk verbetert door gebruik te maken van met immunohistochemie gevalideerde trainingsgegevens om een hoge sensitiviteit te bereiken, met name in uitdagende gevallen met een lage infectiedruk.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de microscopische wereld van menselijk weefsel vertrouwen artsen op een standaard visuele test om tekenen van ziekte te vinden. Ze nemen een minuscuul monster van weefsel, kleuren het met paarse en roze kleurstoffen en plaatsen het onder een microscoop. Deze methode, bekend als hematoxiline- en eosinkleuring, stelt hen in staat om de vorm en structuur van cellen te zien. Deze visuele benadering heeft echter een blinde vlek. Soms zijn de tekenen van een infectie zo vaag, of zijn de geïnfecteerde cellen zo talrijk, dat zelfs een getraind menselijk oog ze kan missen. Dit is een kritiek probleem bij het omgaan met een veelvoorkomend virus genaamd cytomegalovirus, of CMV. Hoewel dit virus vaak onschadelijk slaapt in gezonde mensen, kan het ontwaken en het spijsverteringsstelsel van mensen met een verzwakt immuunsysteem aanvallen, wat ernstige pijn, bloedingen en levensbedreigende complicaties veroorzaakt. Het vroegtijdig vinden van deze verborgen infecties is essentieel, maar de huidige methode om ze op te sporen is imperfect en vereist vaak aanvullende, tijdrovende tests die speciale chemische markers gebruiken om het virus te accentueren.
Een team van onderzoekers heeft een nieuwe manier ontwikkeld om pathologen te helpen deze verborgen infecties te vinden met behulp van kunstmatige intelligentie. Ze creëerden een computersysteem dat fungeert als een zeer aandachtige tweede paar ogen, dat digitale afbeeldingen van weefselmonsters scant om het virus op te sporen. De uitdaging waarmee ze werden geconfronteerd, was het leren van de computer om het virus met absolute zekerheid te herkennen. In het verleden leerden computers door naar foto's te kijken die door menselijke experts waren gelabeld, maar menselijke experts kunnen soms van mening verschillen of subtiele details missen. Om dit op te lossen, gebruikten de onderzoekers een slimme techniek om een perfect "antwoordmodel" te creëren. Ze namen dezelfde fysieke weefselglijder, scanden deze, wasten de oorspronkelijke paarse en roze kleurstoffen weg en kleurden deze vervolgens opnieuw met een speciale chemische stof die het virus doet oplichten. Dit stelde hen in staat om precies te zien welke cellen het virus bevatten en die cellen te koppelen aan de oorspronkelijke afbeelding, waardoor ze een foutloze kaart maakten van waar de infectie zich bevond.
Met behulp van deze precieze kaart trainden het team een computermodel om het virus te herkennen in de oorspronkelijke, ongekleurde afbeeldingen. Ze testten dit systeem op honderd verschillende weefselmonsters, inclusief gevallen waarin het virus overvloedig aanwezig was en gevallen waarin het extreem zeldzaam was. De resultaten lieten zien dat de computer opmerkelijk effectief was. Het identificeerde het virus succesvol in bijna alle gevallen waarin het aanwezig was, waarbij het negentien procent van de infecties oppikte. Het was perfect in het vinden van het virus wanneer er veel geïnfecteerde cellen waren, en het slaagde er nog steeds in om tachtig procent van de gevallen te vinden waarin het virus schaars en moeilijk te zien was. Het systeem identificeerde ook gezond weefsel correct in tachtig procent van de gevallen waarin geen virus aanwezig was. Hoewel het af en toe gezonde cellen als verdacht markeerde, waren deze valse alarmen gemakkelijk door een menselijke patholoog te verwerpen na nadere inspectie. Het hele proces duurde minder dan een minuut per preparaat, een fractie van de tijd die een mens nodig heeft om hetzelfde monster grondig te beoordelen.
De studie suggereert dat deze technologie de manier waarop artsen deze moeilijke diagnoses afhandelen, zou kunnen veranderen. In plaats van te gokken of een patiënt de extra chemische test nodig heeft, kan een patholoog eerst het monster door dit computersysteem laten lopen. Als de computer het virus vindt, wordt de diagnose bevestigd. Als de computer niets vindt, kan de patholoog er meer vertrouwen in hebben dat het virus werkelijk afwezig is, of kan hij zijn aandacht richten op de specifieke gebieden die de computer heeft gemarkeerd. Deze benadering vervangt de menselijke arts niet, maar ondersteunt hem, door ervoor te zorgen dat geen enkele infectie wordt gemist door vermoeidheid of de subtiele aard van de ziekte. Door de snelheid en consistentie van een computer te combineren met het oordeel van een menselijke expert, geloven de onderzoekers dat ze het risico kunnen verkleinen om gevaarlijke infecties te missen en het gebruik van aanvullende tests efficiënter kunnen maken. Het werk blijft een bewijs van concept vanuit een enkel ziekenhuis, maar het biedt een duidelijk pad naar een toekomst waarin technologie artsen helpt te zien wat voorheen te klein of te vaag was om te vinden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.