PATH-101. Neuropath-AI, a histopathology-based deep learning classifier for CNS tumors, achieves and improves human neuropathologist-level performance
Notice bibliographique
Résumé
Abstract Molecular testing has become critical components in the diagnostic classification of the central nervous system (CNS) tumors. However, these methods require substantial resources, limiting accessibility for many patients. Recent advances in artificial intelligence (AI) and computer vision empower deep learning models to infer molecular features from histopathology images, which may often be more readily available than molecular testing, to classify CNS tumors. We trained pan-CNS tumor models to predict DNA methylation and gene expression from whole-slide images (WSIs). These molecular predictions were then used in a hierarchical machine learning framework, termed Neuropath-AI, to predict nine broad tumor families and 52 tumor types using a large diverse cohort of 5,715 histopathology samples, of which 2,988 had paired DNA methylation profiling and 848 had paired RNA-sequencing. We evaluated Neuropath-AI on another large independent multi-institutional cohort of 5,516 CNS tumors, for which Neuropath-AI predicted tumor class with an associated confidence score. Neuropath-AI designated 46% of test samples as predictable with high-confidence, which it then accuracy classified in 97% of samples. It made moderate-confidence (and above) predictions for 87% of test samples, for which it achieved a diagnostic accuracy of 80% for the top-1 prediction and 86% accuracy for a top-2 predictions. A comparison with human neuropathologists showed that Neuropath-AI is comparable at classifying tumors. A second test showed that human neuropathologists were more accurate when the Neuropath-AI classifier results were provided to them, testifying to the potential translational benefit of integrating AI classification tools into the pathologist’s workflow. Our model provides the basis for a clinically applicable deep learning assistant to improve human efficiency and accuracy of CNS tumor diagnosis. The model will be made publicly available and can be readily implemented to assist human pathologists in clinical workflows, in further expanded prospective 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».