Eur Urol Oncol：一种全自动的人工智能系统辅助病理学家诊断组织学高等级尿路上皮癌

尿液细胞学虽然是筛查尿路上皮癌的有效方法，但却缺乏灵敏度。作为一项新兴技术，人工智能（AI）大大提高了图像分析的准确性。

近期，来自日本的研究人员在《Eur Urol Oncol》上发表文章，他们开发了一种全自动人工智能系统，可以协助病理学家通过数字化的尿液细胞学玻片中对高等级尿路上皮癌（HGUC）进行组织学预测。

研究人员共将 535 张连续的尿液细胞学玻片数字化并供人工智能使用。在这些玻片中，181张用于人工智能开发，39张作为人工智能测试数据，在细胞水平上分类识别HGUC，315张作为人工智能测试数据，用于玻片级别分类。在 315 张玻片中，171 张是在膀胱活检前或经尿道膀胱肿瘤切除术前收集的，然后将结果与手术样本中是否存在 HGUC 的组织学结果进行比较。研究的主要目的是比较人工智能与病理学家对 HGUC 的组织学诊断。次要目的是比较人工智能评估所需的时间以及人工智能分类与病理学家的细胞学诊断之间的一致性。

研究结果发现，人工智能预测HGUC组织学存在能力的曲线下面积为0.78。人工智能的预测性能与病理学家诊断相比，人工智能对组织学 HGUC 预测的灵敏度为 63%，优于病理学家细胞学诊断的 46%（p=0.0037）。相反，人工智能特异性为 83%，病理学家的特异性为 89%（p=0.13）；人工智能准确性为 74%，病理学家的准确性为 68%（p=0.08），两者之间无明显差异。另外，人工智能评估所需时间为 139 秒。人工智能预测与病理学家细胞学诊断的一致性准确率为 86%。阳性和阴性结果的一致性分别为 92% 和 84%。

病理学家与AI的细胞学分类比较

综上所述，他们开发了一套全自动人工智能系统，可协助病理学家使用数字化玻片对 HGUC 进行组织学诊断。该人工智能系统的灵敏度明显高于经委员会认证的细胞病理学家，可协助病理学家进行尿液细胞学诊断，从而减轻他们的工作量。

原始出处：

Keisuke Tsuji， Masatomo Kaneko， Yuki Harada et al. A Fully Automated Artificial Intelligence System to Assist Pathologists' Diagnosis to Predict Histologically High-grade Urothelial Carcinoma from Digitized Urine Cytology Slides Using Deep Learning. Eur Urol Oncol. Nov 2023