PofoliaPofolia ile paylaşıldı

Archiv für Pathologische Anatomie und Physiologie und für Klinische Medicin· 2026Q1

Orta Doğu kohortunda prostat patolojisi için tanısal yapay zeka modellerinin doğrulanması

Validation of diagnostic artificial intelligence models for prostate pathology in a Middle Eastern cohort

Peshawa J. Muhammad Ali, Navin Vincent, Saman S. Abdulla, Han N. Mohammed Fadhl ve diğerleri

Kısa özet

Prostat kanseri teşhisi ve Gleason derecelendirmesi için geliştirilen YZ modelleri, Orta Doğu kohortunda insan patologlarla karşılaştırılabilir bir uyum sağladı (kappa 0.801), patolog-patolog uyumu (kappa 0.799) ile benzer seviyede.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • YZ modelleri, Orta Doğu kohortunda prostat kanseri teşhisi ve Gleason derecelendirmesi için patolog düzeyinde uyum (kappa 0.801) sağladı.
  • YZ-patolog uyumu, patolog-patolog uyumu (kappa 0.799) ile karşılaştırılabilir düzeydeydi.
  • YZ modelleri, üç farklı tarayıcı arasında yüksek tarayıcılar arası uyum (kappa > 0.90) gösterdi.
  • 339 slayttan elde edilen 1.017 tam slayt görüntüden oluşan bir veri seti oluşturuldu ve kamuya açık olarak paylaşıldı.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract Artificial intelligence (AI) for pathology is accelerating cancer diagnostics. For global adoption, studies in currently under-represented populations – where the potential gains from AI may also be greatest – are needed. We present the first external validation study in a Middle Eastern setting, focusing on diagnosis and Gleason grading of prostate cancer. We digitised 339 prostate glass slides from Kurdistan, Iraq, representing a consecutive series of 185 patients from 2013 to 2024. Each slide was scanned on three digital pathology scanners, generating 1,017 whole-slide images. Task-specific and foundation AI models demonstrated AI-pathologist grading concordance similar to pathologist-pathologist concordance (Cohen’s quadratically weighted kappa 0.801 vs. 0.799). Cross-scanner concordance was high (kappa > 0.90) for all AI models across three scanners. The demonstrated robust performance on a low-cost compact scanner could enable validation studies in non-digitalised settings and cost-effective AI adoption in laboratories with limited sample volumes. The publicly shared dataset supports further research to facilitate broader adoption of AI pathology.

Yazarların özeti; kaynağından alınmıştır. Archiv für Pathologische Anatomie und Physiologie und für Klinische Medicin, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Google Play'den indir App Store'dan indir

Alan: Yapay Zeka

Artificial IntelligenceComputer Science