MétaCan
Menu
Retour à la cohorte
Enregistrement W4220680613 · doi:10.1101/2022.03.10.22272226

A Pilot Validation Study Comparing FIBI, a Slide-Free Imaging Method, with Standard FFPE H&E Tissue Section Histology for Primary Surgical Pathology Diagnosis

2022· preprint· en· W4220680613 sur OpenAlexaff
Alexander D. Borowsky, Richard M. Levenson, Allen M. Gown, Taryn Morningstar, Thomas A. Fleury, Gregory C. Henderson, Kurt B. Schaberg, Amelia Sybenga, Eric F. Glassy, Sandra L. Taylor, Farzad Fereidouni

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institutes of Health
Mots-clésDigital pathologySurgical pathologyMedical diagnosisMedicinePathologyNuclear medicineFixation (population genetics)HistologyBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Digital pathology whole slide images (WSI) have been recently approved by the FDA for primary diagnosis in clinical surgical pathology practices. These WSI are generated by digitally scanning standard formalin-fixed and paraffin-embedded (FFPE) H&E-stained tissue sections mounted on glass microscope slides. Novel imaging methods are being developed that can capture the surface of tissue without requiring prior fixation, paraffin embedding, or tissue sectioning. One of these methods, FIBI (Fluorescence Imitating Brightfield Imaging), an optically simple and low-cost technique, was developed by our team and used in this study. Methods 100 de-identified surgical pathology samples were obtained from the UC Davis Health Pathology Laboratory. Samples were first digitally imaged by FIBI, and then embedded in paraffin, sectioned at 4 µm, mounted on glass slides, H&E stained, and scanned using the Aperio/Leica AT2 scanner. The resulting digital images from both FIBI and H&E scan sets were uploaded to PathPresenter and viewed in random order and modality (FIBI or H&E) by each of 4 reading pathologists. After a 30-day washout, the same 100 cases, in random order, were presented in the alternate modality to what was first shown, to the same 4 reading pathologists. The data set consisted, therefore, of 100 reference diagnoses and 800 study pathologist reads (400 FIBI and 400 H&E). Each study read was compared to the reference diagnosis for that case, and also compared to that reader’s diagnosis across both modalities for each case. Categories of concordance, minor and major discordance were adjudicated by the study team based on established criteria. Results The combined category, concordance or minor discordance, was scored as “no major discordance.” The overall agreement rate (compared to the reference diagnosis), across 800 reads, was 97.9%. This consisted of 400 FIBI reads at 97.0% vs. reference and 400 H&E reads vs. reference at 98.8%. Minor discordances (defined as alternative diagnoses without clinical treatment or outcome implications) were 6.1% overall, 7.2% for FIBI and 5.0% for HE. Conclusions Pathologists without specific experience or training in FIBI imaging interpretation can provide accurate diagnosis from FIBI slide-free images. Concordance/discordance rates are similar to published rates for comparisons of WSI to standard light microscopy of glass slides for primary diagnosis that led to FDA approval. The present study was more limited in scope but suggests that a follow-on formal clinical trial is feasible. It may be possible, therefore, to develop a slide-free, non-destructive approach for primary pathology diagnosis. Such a method promises improved speed, reduced cost, and better conservation of tissue for advanced ancillary studies.

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)0,023
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,053
Tête enseignante GPT0,336
Écart entre enseignants0,283 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetAI in cancer detectionTravaux en français237 207