P137 Preliminary validation of a multi-stage machine learning algorithm to assess histological inflammation in inflammatory bowel disease
Notice bibliographique
Résumé
Abstract Background The histologic assessment of inflammatory bowel disease (IBD) relies on qualitative grading methods. Although widely accepted, these instruments are time consuming, require specialized training, and suffer from inter-rater disagreement. For these reasons there is a need for more consistent and less biased methods to assess IBD histology. Methods The algorithm was initially developed using hematoxylin and eosin (H&E) stained whole slide images of colon biopsies (238 ulcerative colitis [UC], 30 Crohn’s Disease [CD], and 28 endoscopically normal adjacent [ENA]). The first two stages implement convolutional neural networks (CNN) which segment 11 key anatomical features (Figure 1). The third stage extracts the features and models them for prediction. Results The first stage of the algorithm was validated on an independent test dataset by calculating the intersection-over-union (IoU) for the ground truth and prediction masks, resulting in a value of 0.97. A preliminary validation for stage 2 was performed by randomly selecting 30 unique biopsy sections from the test dataset and applying a 150um x 150um counting frame. An expert gastrointestinal pathologist confirmed correct cell identification by the algorithm for three of the primary inflammatory cell types: plasma cells, eosinophils, and neutrophils which resulted in a sensitivity/specificity of 0.76/0.99, 0.78/1.00, and 1.00/0.98 respectively. The final stage predicts RHI grades which could be directly compared to pathologist reads (Figure 2, 3, and 4). Conclusion This is the first study to demonstrate the value of machine learning to assess histologic activity in IBD. These methods lay the foundations for future work, and we believe stages 1 and 2 can be explored independently to statistically characterize the histologic changes of IBD, enabling the improvement of preexisting grading systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».