Introdução de um sistema integrado de gerenciamento de imagens de patologia, inteligência artificial e relatórios

Nossa pesquisa se concentra no desenvolvimento de uma nova plataforma, que inclui integrar o sistema de informações de patologia, o sistema de gerenciamento de imagens e a inteligência artificial para a patologia moderna avançada. A questão que a NovinoAI está tentando responder é se essa plataforma pode ser desenvolvida, usada na prática de patologia, pesquisa e educação. As tecnologias incluem engenharia da computação, digitalização digital, patologia computacional e treinamento de modelos de IA. Um dos desafios mais importantes é a disponibilidade de uma plataforma, que permite que a IA seja integrada e execute tarefas de maneira contínua. Demonstramos que a plataforma integrada pode ser desenvolvida e usada na prática, pesquisa e educação em patologia com precisão desejável. Continuamos a desenvolver mais modelos de IA, incluindo modelos de base para pesquisas futuras.

[Narrador] Para começar, abra um navegador da Web e navegue até o site do FlexLIS. Insira o e-mail do usuário pré-registrado e clique em continuar para continuar. Um e-mail será enviado para o endereço registrado. Vá para a caixa de entrada de e-mail e clique no link de login fornecido para acessar a janela da lista de acesso. Agora ligue o scanner digital e carregue a lâmina de vitral anterior no scanner. Pressione o botão Iniciar para começar a escanear a lâmina de vidro. As imagens digitalizadas serão carregadas automaticamente no sistema via interface direta e aparecerão organizadas em formato de caixa, semelhante a uma bandeja de lâminas de patologista. Na janela da lista de acesso, exiba a lista de casos atribuídos e as imagens de slide correspondentes na janela de revisão de imagem. Na janela da lista de acesso, clique na seta para baixo ao lado do estojo identificado PN 2404 para revelar as manchas ordenadas pela equipe e pela IA, como o pino quatro. Um ponto verde no ícone do microscópio indica que a análise de IA está concluída. Um ponto amarelo indica o mais rápido possível detectado pela IA neste slide. Os valores totais de pronto revisados mostram as contagens de categorias de imagens. Um ponto de exclamação após o número da imagem sinaliza problemas de qualidade, como imagens ausentes ou borradas. Em seguida, clique no ícone do usuário ao lado do caso PN 2404 para abrir a janela de revisão do patologista e observe a tabela de resumo da amostra, listando todas as amostras em ordem alfabética. Veja os resultados gerados por IA para cada amostra, incluindo diagnósticos como pino HG benigno, ASAP ou câncer, juntamente com descrições como pontuações de Gleason, comprimento do tumor e grupo de notas. Em seguida, examine as categorias de diagnóstico codificadas por cores, mostrando câncer em vermelho, ASAP em laranja, pino HG em verde e benigno em preto. Agora clique no ícone do microscópio para abrir a janela de revisão de imagem e visualizar a imagem da lâmina correspondente. Examine as anotações de IA com destaques vermelhos marcando câncer e destaques verdes mostrando Gleason quatro. Clique em C para visualizar a imagem C, depois clique em D para visualizar a imagem D e assim sucessivamente. Por fim, clique no ícone de feedback de IA para visualizar a saída detalhada da análise de IA. O modelo de IA para detecção de câncer de próstata alcançou uma precisão de 97% com precisão de 96%, sensibilidade de 98%, especificidade de 96% e pontuação F1 de 97%. O sistema de histopatologia assistido por IA anotou com precisão as regiões de Gleason três, Gleason quatro e Gleason cinco em lâminas de biópsia de próstata, usando uma sobreposição de máscara codificada por cores. O sistema de IA, automaticamente, extraiu as principais métricas patológicas, incluindo comprimento do tumor, porcentagem, pontuações de Gleason e grupo de notas da biópsia de próstata. O modelo de citologia de urina baseado em IA identificou automaticamente células diagnosticalmente significativas, incluindo carcinoma urotelial de alto grau, células atípicas e células suspeitas, cada uma delineada com caixas codificadas por cores.