Détection assistée par intelligence artificielle (IA) des altérations du FGFR3 dans le cancer de la vessie à partir d’images de lames entières scannées (WSI) de coupes H&E
Paige a développé un système d’intelligence artificielle efficace pour détecter les phénotypes associés aux anomalies du FGFR3 qui peuvent être ciblés par les inhibiteurs du FGFR. Ce système peut permettre de réaliser des économies de temps et d’argent par rapport aux tests existants pour le dépistage des carcinomes de la vessie en vue de tests diagnostiques supplémentaires.
Analyse d’images par intelligence artificielle (IA) pour l’instabilité chromosomique (CIN) dans les cancers du sein primaires et métastatiques (BC)
Les mesures de CIN donnent des caractéristiques phénotypiques qui peuvent être identifiées de manière robuste par l’analyse AI de H&E WSI dans les CB primaires et métastatiques. La stratification par sous-type de la CB était robuste en ce qui concerne l’AUC et plus facilement détectable dans la CB primaire que dans la CB métastatique. Cette étude jette les bases du développement d’outils basés sur l’IA pour détecter les CIN non seulement dans le cancer du sein, mais aussi dans tous les types de cancer, et constitue un moyen de tester les CIN à grande échelle dans le cadre d’essais cliniques.
Détection assistée par intelligence artificielle du déficit de réparation des mésappariements de l’instabilité des microsatellites (MSI-H dMMR) dans plusieurs types de tumeurs à partir d’images de lames entières (WSI) de coupes H&E
Paige a formé un test de pathologie numérique assisté par IA pour MSI-H/dMMR à partir de WSI de sections colorées par H&E dans le CRC (AUC 0,939) et le GC (AUC 0,905). La validation dans le CRC et le GC à partir des ensembles de données TCGA et PAIP a confirmé la généralisation à des données externes inédites. Ces résultats se comparent favorablement aux tests numériques antérieurs pour MSI-H dans le CRC et le GC.
Le paradigme de la lecture : comment la séquence et la présentation des résultats de l’IA aux pathologistes influencent les critères d’évaluation et les résultats
Un algorithme d’intelligence artificielle à apprentissage profond aide les pathologistes à améliorer la précision et l’efficacité du diagnostic dans la détection des métastases du ganglion lymphatique chez les patientes atteintes d’un cancer du sein
Évaluation par apprentissage profond de l’expression faible de HER2 sur des images de lames entières numériques H&E de cancer du sein
Évaluation computationnelle à haut débit des phénotypes génétiques cliniquement pertinents du cancer de la prostate à l’aide de l’analyse IA des images de lames entières H&E
Oakley, J., Goldfinger, MH., Millar, EKA., Rothrock, B., Lee, MCH., Wang YK., van Eck, A., Trlifaj Tydilitatova, L., Burza, M., Kunz, J., Sue, J., Stefanelli, J., Retamero, J., Hamilton, P., Fuchs, TJ., Klimstra, D.
Un modèle de biomarqueur computationnel piloté par l’IA à partir de lames H&E permet de distinguer les cas de cancers du sein à faible taux de HER2 des cancers du sein immunohistochimiquement HER2-négatifs.
Marra A, Goldfinger M, Millar E, Hanna M, Rothrock B, Lee M, Wang Y, van Eck A, Trlifaj Tydlitatova L, Sue J, Wen Y, Stefanelli J, Retamero J,Hamilton P, Fuchs T, Klimstra D, Chandarlapaty S, Reis-Filho J
Un outil de prévision basé sur l’intelligence artificielle pour les mutations bialéliques de CDH1 et le carcinome lobulaire invasif.
Jorge S. Reis-Filho, Fresia Pareja, Fatemeh Derakhshan, David N. Brown
Sous-typage des carcinomes invasifs et des lésions à haut risque pour la pathologie mammaire basée sur l’apprentissage machine
Matthew G Hanna, MD, Patricia Raciti, MD, Alican Bozkurt, PhD, Ran Godrich, MS
