Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

David Y. Zhang; Rasoul Sali; Min Zhu; Valerio Zhang

doi:10.3791/68270

JoVE Journal
Medicine

This content is Free Access.

JoVE Journal Medicine

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

病理画像管理、人工知能、レポーティングシステムの統合導入

Full Text

1,303 Views

05:33 min

July 11, 2025

DOI: 10.3791/68270-v

David Y. Zhang^1,2, Rasoul Sali¹, Min Zhu¹, Valerio Zhang¹

¹NovinoAI, ²Department of Veterans Affairs,New York Harbor Healthcare System

Please note that some of the translations on this page are AI generated. Click here for the English version.

Overview

This article introduces FlexLIS, an advanced platform integrating artificial intelligence (AI) with pathology information systems and image management. The system aims to enhance histopathology image assessments and streamline diagnostic reporting.

Key Study Components

Area of Science

Pathology
Artificial Intelligence
Diagnostic Imaging

Background

Modern pathology practices require efficient image management and diagnostic systems.
AI has the potential to assist pathologists in improving diagnostic accuracy.
Challenges exist in integrating AI seamlessly into existing workflows.
Technological advancements in digital scanning and computational pathology are crucial.

Purpose of Study

To develop a platform that integrates AI into pathology practice.
To evaluate the effectiveness of AI in enhancing diagnostic processes.
To facilitate research and education in pathology using advanced technologies.

Methods Used

Development of an integrated pathology information system.
Utilization of digital scanning for image acquisition.
Implementation of AI models for diagnostic analysis.
Evaluation of AI performance metrics such as accuracy and precision.

Main Results

The AI-assisted system achieved 97% accuracy in prostate cancer detection.
AI annotations effectively highlighted critical regions on biopsy slides.
Key pathological metrics were automatically extracted by the AI system.
Integration of AI improved the efficiency of image review and diagnosis.

Conclusions

FlexLIS demonstrates the feasibility of integrating AI in pathology.
The platform enhances diagnostic accuracy and workflow efficiency.
Continued development of AI models is essential for future advancements.

Frequently Asked Questions

What is FlexLIS?

FlexLIS is an advanced platform that integrates AI with pathology information systems to assist in histopathology assessments.

How does AI improve pathology diagnostics?

AI enhances diagnostic accuracy by providing automated analysis and annotations of pathology images.

What are the key features of the FlexLIS platform?

Key features include integrated image management, AI-assisted analysis, and automated reporting systems.

What challenges does the integration of AI in pathology face?

Challenges include ensuring seamless integration into existing workflows and maintaining high accuracy in diagnostics.

What is the accuracy of the AI models developed?

The AI model for prostate cancer detection achieved an accuracy of 97%.

How are AI results presented to pathologists?

AI results are presented through color-coded annotations and detailed specimen summaries in the review window.

統合画像管理、人工知能(AI)、およびレポートシステムは、病理診断の実践に革命をもたらしました。本稿では、病理医が病理組織画像評価を行い、診断レポートを生成するのをAIが支援する最先端のシステムであるFlexLISについて紹介します。

私たちの研究は、病理学情報システム、画像管理システム、人工知能を高度な現代病理学に統合する新しいプラットフォームの開発に焦点を当てています。NovinoAI が答えようとしている疑問は、そのようなプラットフォームを開発し、病理学の実践、研究、教育に使用できるかどうかです。テクノロジーには、コンピューターエンジニアリング、デジタルスキャン、計算病理学、AI モデルトレーニングが含まれます。最も重要な課題の 1 つは、AI を統合し、シームレスな方法でタスクを実行できるようにするプラットフォームの可用性です。統合プラットフォームが病理学の実践、研究、教育において望ましい精度で開発および使用できることを実証します。今後の研究に向けた基盤モデルを含め、さらに多くのAIモデルの開発を進めています。

[ナレーター]まず、Webブラウザを開き、製品のFlexLISWebサイトに移動します。事前登録済みのユーザーの電子メールを入力し、[続行]をクリックして続行します。ご登録いただいたアドレスにメールが届きます。電子メールの受信トレイに移動し、提供されたサインインリンクをクリックして、アクセッションリストウィンドウにアクセスします。次に、デジタルスキャナーの電源を入れ、以前にステンドグラスのスライドをスキャナーにロードします。スタートボタンを押して、スライドガラスのスキャンを開始します。スキャンされた画像は、直接インターフェースを介して自動的にシステムにアップロードされ、病理学者のスライドトレイに似たケース形式で表示されます。アクセッションリストウィンドウで、割り当てられたケースのリストと、画像レビューウィンドウに対応するスライド画像を表示します。アクセッションリストウィンドウで、PN 2404というラベルの付いたケースの横にある下矢印をクリックすると、ピン4など、スタッフとAIによって順序付けられた汚れが表示されます。顕微鏡アイコンの緑色の点は、AI解析が完了したことを示します。黄色の点は、このスライドで AI によって検出された ASAP を示します。確認された準備完了の合計値には、画像カテゴリ数が表示されます。画像番号の後の感嘆符は、画像の欠落やぼやけなどの品質の問題を示します。次に、症例 PN 2404 の横にあるユーザーアイコンをクリックして、病理学者のレビューウィンドウを開き、すべての検体をアルファベット順にリストした検体要約表を確認します。良性HGピン、ASAP、がんなどの診断を含む、各検体のAI生成結果と、グリーソンスコア、腫瘍の長さ、グレードグループなどの説明を表示します。次に、色分けされた診断カテゴリを調べ、がんを赤、ASAPをオレンジ、HGピンを緑、良性を黒で示します。次に、顕微鏡アイコンをクリックして画像レビューウィンドウを開き、対応するスライド画像を表示します。がんを示す赤いハイライトとグリーソン4を示す緑色のハイライトを含むAI注釈を調べます。[C] をクリックしてイメージ C を表示し、[D] をクリックしてイメージ D を表示します。最後に、AIフィードバックアイコンをクリックして、詳細なAI分析出力を表示します。前立腺がん検出のための AI モデルは、精度 96%、感度 98%、特異度 96%、F1 スコア 97% で 97% の精度を達成しました。AI 支援組織病理学システムは、色分けされたマスクオーバーレイを使用して、前立腺生検スライド上のグリーソン 3、グリーソン 4、グリーソン 5 領域に正確に注釈を付けました。AI システムは、前立腺生検から腫瘍の長さ、パーセンテージ、グリーソンスコア、グレードグループなどの主要な病理学的指標を自動的に抽出しました。AIベースの尿細胞診モデルは、高悪性度尿路上皮癌、異型細胞、疑わしい細胞など、診断的に重要な細胞を自動的に識別し、それぞれが色分けされたボックスで囲まれています。