MétaCan
Menu
Retour à la cohorte
Enregistrement W4205819613 · doi:10.1136/jclinpath-2021-207961

Faster than light (microscopy): superiority of digital pathology over microscopy for assessment of immunohistochemistry

2022· article· en· W4205819613 sur OpenAlexaff
Emily L. Clarke, Daniel Doherty, Rebecca Randell, Jonathan Grek, Rhys G. Thomas, Roy A. Ruddle, Darren Treanor

Notice bibliographique

RevueJournal of Clinical Pathology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensNOSM University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversity of LeedsNational Institute for Health and Care Research
Mots-clésDigital pathologyMicroscopeMicroscopyDigital microscopePathologyBiopsyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

AIMS: Digital pathology offers the potential for significant benefits in diagnostic pathology, but currently the efficiency of slide viewing is a barrier to adoption. We hypothesised that presenting digital slides for simultaneous viewing of multiple sections of tissue for comparison, as in those with immunohistochemical panels, would allow pathologists to review cases more quickly. METHODS: Novel software was developed to view synchronised parallel tissue sections on a digital pathology workstation. Sixteen histopathologists reviewed three liver biopsy cases including an immunohistochemical panel using the digital microscope, and three different liver biopsy cases including an immunohistochemical panel using the light microscope. The order of cases and interface was fully counterbalanced. Time to diagnosis was recorded and mean times are presented as data approximated to a normalised distribution. RESULTS: Mean time to diagnosis was 4 min 3 s using the digital microscope and 5 min 24 s using the light microscope, saving 1 min 21 s (95% CI 16 s to 2 min 26 s; p=0.02), using the digital microscope. Overall normalised mean time to diagnosis was 85% on the digital pathology workstation compared with 115% on the microscope, a relative reduction of 26%. CONCLUSIONS: With appropriate interface design, it is quicker to review immunohistochemical slides using a digital microscope than the conventional light microscope, without incurring any major diagnostic errors. As digital pathology becomes more integrated with routine clinical workflow and pathologists increase their experience of the technology, it is anticipated that other tasks will also become more time-efficient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,416
Écart entre enseignants0,378 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical PathologyMême sujetAI in cancer detectionTravaux en français237 207