Einführung eines integrierten Pathologie-Bildmanagements, künstlicher Intelligenz und Befundungssystems

Unsere Forschung konzentriert sich auf die Entwicklung einer neuartigen Plattform, die die Integration eines pathologischen Informationssystems, eines Bildmanagementsystems und künstlicher Intelligenz in eine fortschrittliche moderne Pathologie umfasst. Die Frage, die NovinoAI zu beantworten versucht, ist, ob eine solche Plattform entwickelt und in der pathologischen Praxis, Forschung und Ausbildung eingesetzt werden kann. Zu den Technologien gehören Computertechnik, digitales Scannen, Computerpathologie und KI-Modelltraining. Eine der wichtigsten Herausforderungen ist die Verfügbarkeit einer Plattform, die es ermöglicht, KI zu integrieren und Aufgaben nahtlos auszuführen. Wir zeigen, dass eine integrierte Plattform mit wünschenswerter Genauigkeit entwickelt und in der pathologischen Praxis, Forschung und Ausbildung eingesetzt werden kann. Wir entwickeln weiterhin weitere KI-Modelle, einschließlich Grundlagenmodelle für die zukünftige Forschung.

[Erzähler] Öffnen Sie zunächst einen Webbrowser und navigieren Sie zur prod FlexLIS-Website. Geben Sie die E-Mail-Adresse des vorregistrierten Benutzers ein und klicken Sie auf Weiter, um fortzufahren. Eine E-Mail wird an die registrierte Adresse gesendet. Gehen Sie zum E-Mail-Posteingang und klicken Sie auf den bereitgestellten Anmeldelink, um auf das Fenster der Beitrittsliste zuzugreifen. Schalten Sie nun den Digitalscanner ein und legen Sie das zuvor mit Buntglas bemalte Objektträger in den Scanner ein. Drücken Sie die Starttaste, um mit dem Scannen des Objektträgers zu beginnen. Die gescannten Bilder werden automatisch über eine direkte Schnittstelle in das System hochgeladen und erscheinen im Gehäuseformat, ähnlich wie bei einem Pathologen-Objektträger. Zeigen Sie im Fenster "Zugangsliste" die Liste der zugewiesenen Fälle und die entsprechenden Folienbilder im Fenster "Bildüberprüfung" an. Klicken Sie im Fenster der Zugangsliste auf den Abwärtspfeil neben dem Gehäuse mit der Bezeichnung PN 2404, um Flecken anzuzeigen, die von Mitarbeitern und KI sortiert wurden, z. B. Pin vier. Ein grüner Punkt auf dem Mikroskopsymbol zeigt an, dass die KI-Analyse abgeschlossen ist. Ein gelber Punkt zeigt an, dass ASAP von der KI auf dieser Folie erkannt wurde. Die überprüften Bereitschaftssummenwerte zeigen die Anzahl der Bildkategorien an. Ein Ausrufezeichen nach der Bildnummer weist auf Qualitätsprobleme hin, wie z. B. fehlende oder verschwommene Bilder. Klicken Sie anschließend auf das Benutzersymbol neben dem Fall PN 2404, um das Pathologen-Überprüfungsfenster zu öffnen und die Probenübersichtstabelle zu betrachten, in der alle Proben alphabetisch aufgelistet sind. Zeigen Sie KI-generierte Ergebnisse für jede Probe an, einschließlich Diagnosen wie gutartiger HG-Nadel, ASAP oder Krebs, zusammen mit Beschreibungen wie Gleason-Scores, Tumorlänge und Gradgruppe. Untersuchen Sie dann die farbcodierten Diagnosekategorien, die Krebs in Rot, ASAP in Orange, HG-Pin in Grün und gutartig in Schwarz zeigen. Klicken Sie nun auf das Mikroskop-Symbol, um das Bildüberprüfungsfenster zu öffnen und das entsprechende Objektträgerbild anzuzeigen. Untersuchen Sie die KI-Annotationen mit roten Hervorhebungen, die Krebs markieren, und grünen Markierungen, die Gleason vier anzeigen. Klicken Sie auf C, um Bild C anzuzeigen, und dann auf D, um Bild D anzuzeigen, usw. Klicken Sie abschließend auf das Symbol KI-Feedback, um die detaillierte Ausgabe der KI-Analyse anzuzeigen. Das KI-Modell für die Erkennung von Prostatakrebs erreichte eine Genauigkeit von 97 % mit einer Genauigkeit von 96 %, einer Sensitivität von 98 %, einer Spezifität von 96 % und einem F1-Score von 97 %. Das KI-gestützte histopathologische System kommentierte Gleason drei, Gleason vier und Gleason fünf Regionen auf Prostatabiopsie-Objektträgern unter Verwendung einer farbcodierten Maskenüberlagerung genau. Das KI-System extrahierte automatisch wichtige pathologische Metriken, darunter Tumorlänge, Prozentsatz, Gleason-Scores und Gradgruppe aus der Prostatabiopsie. Das KI-basierte Urinzytologiemodell identifizierte automatisch diagnostisch signifikante Zellen, darunter hochgradiges Urothelkarzinom, atypische Zellen und verdächtige Zellen, die jeweils mit farbcodierten Kästchen umrandet waren.