Introducción de un sistema integrado de gestión de imágenes de patología, inteligencia artificial y generación de informes

Nuestra investigación se centra en el desarrollo de una plataforma novedosa, que incluye integrar el sistema de información de patología, el sistema de gestión de imágenes y la inteligencia artificial para la patología moderna avanzada. La pregunta que NovinoAI está tratando de responder es si dicha plataforma se puede desarrollar, utilizar en la práctica, la investigación y la educación de patología. Las tecnologías incluyen ingeniería informática, escaneo digital, patología computacional y entrenamiento de modelos de IA. Uno de los desafíos más importantes es la disponibilidad de una plataforma, que permite que la IA se integre y realice tareas de manera fluida. Demostramos que la plataforma integrada se puede desarrollar y utilizar en la práctica, la investigación y la educación de patología con una precisión deseable. Continuamos desarrollando más modelos de IA, incluidos modelos básicos para futuras investigaciones.

[Narrador] Para comenzar, abra un navegador web y navegue hasta el sitio web de prod FlexLIS. Ingrese el correo electrónico del usuario preregistrado y haga clic en continuar para continuar. Se enviará un correo electrónico a la dirección registrada. Vaya a la bandeja de entrada del correo electrónico y haga clic en el enlace de inicio de sesión proporcionado para acceder a la ventana de la lista de acceso. Ahora encienda el escáner digital y cargue la diapositiva de vidrieras previamente en el escáner. Presione el botón de inicio para comenzar a escanear el portaobjetos de vidrio. Las imágenes escaneadas se cargarán automáticamente en el sistema a través de la interfaz directa y aparecerán organizadas en formato de estuche, similar a una bandeja de portaobjetos de patólogo. En la ventana de lista de acceso, vea la lista de casos asignados y las imágenes de diapositivas correspondientes en la ventana de revisión de imágenes. En la ventana de la lista de acceso, haga clic en la flecha hacia abajo junto al caso etiquetado como PN 2404 para revelar las manchas ordenadas por el personal y la IA, como el pin cuatro. Un punto verde en el icono del microscopio indica que el análisis de IA está completo. Un punto amarillo indica ASAP detectado por AI en esta diapositiva. Los valores totales listos revisados muestran los recuentos de categorías de imágenes. Un signo de exclamación después del número de imagen indica problemas de calidad, como imágenes faltantes o borrosas. A continuación, haga clic en el icono de usuario junto al caso PN 2404 para abrir la ventana de revisión del patólogo y observar la tabla de resumen de muestras, que enumera todas las muestras alfabéticamente. Vea los resultados generados por IA para cada muestra, incluido el diagnóstico como el pin HG benigno, ASAP o cáncer, junto con descripciones como puntajes de Gleason, longitud del tumor y grupo de grado. Luego examine las categorías de diagnóstico codificadas por colores, que muestran cáncer en rojo, ASAP en naranja, pin HG en verde y benigno en negro. Ahora haga clic en el icono del microscopio para abrir la ventana de revisión de imágenes y ver la imagen de la diapositiva correspondiente. Examine las anotaciones de IA con reflejos rojos que marcan cáncer y resaltados verdes que muestran cuatro de Gleason. Haga clic en C para ver la imagen C y, a continuación, haga clic en D para ver la imagen D, y así sucesivamente. Finalmente, haga clic en el icono de comentarios de IA para ver el resultado detallado del análisis de IA. El modelo de IA para la detección del cáncer de próstata logró una precisión del 97% con una precisión del 96%, una sensibilidad del 98%, una especificidad del 96% y una puntuación F1 del 97%. El sistema de histopatología asistido por IA anotó con precisión las regiones de Gleason tres, Gleason cuatro y Gleason cinco en portaobjetos de biopsia de próstata, utilizando una superposición de máscara codificada por colores. El sistema de IA, automáticamente, extrajo métricas patológicas clave, incluida la longitud del tumor, el porcentaje, las puntuaciones de Gleason y el grupo de grado de la biopsia de próstata. El modelo de citología de orina basado en IA identificó automáticamente células diagnosticativas significativas, incluido el carcinoma urotelial de alto grado, las células atípicas y las células sospechosas, cada una delineada con cuadros codificados por colores.