Evaluating Deep Learning-based Melanoma Classification using Immunohistochemistry and Routine Histology: A Three Center Study

要約

病理学者は、黒色腫の診断精度を向上させるために、ヘマトキシリンおよびエオシン (H&E) 染色スライドに加えて、MelanA に対する免疫組織化学 (IHC) 染色組織スライドを日常的に使用しています。
組織形態および細胞組成の自動検査のための診断ディープラーニング (DL) ベースのサポート システムの使用は、標準的な H&E 染色組織スライドでよく研究されています。
対照的に、DL を使用して IHC スライドを分析する研究はほとんどありません。
したがって、MelanA および対応する H&E 染色スライドでトレーニングされた ResNets の個別および共同パフォーマンスを調査しました。
MelanA 分類器は、分布外 (OOD) データセットで受信者動作特性曲線下面積 (AUROC) 0.82 および 0.74 を達成しました。これは、H&E ベースのベンチマーク分類のそれぞれ 0.81 および 0.75 と同様です。
MelanA と H&E を使用した組み合わせ分類器は、OOD データセットで 0.85 と 0.81 の AUROC を達成しました。
DL MelanA ベースの支援システムは、ベンチマークの H&E 分類と同じパフォーマンスを示し、病理医の臨床ルーチンを支援するために複数の染色分類によって改善される可能性があります。

要約(オリジナル)

Pathologists routinely use immunohistochemical (IHC)-stained tissue slides against MelanA in addition to hematoxylin and eosin (H&E)-stained slides to improve their accuracy in diagnosing melanomas. The use of diagnostic Deep Learning (DL)-based support systems for automated examination of tissue morphology and cellular composition has been well studied in standard H&E-stained tissue slides. In contrast, there are few studies that analyze IHC slides using DL. Therefore, we investigated the separate and joint performance of ResNets trained on MelanA and corresponding H&E-stained slides. The MelanA classifier achieved an area under receiver operating characteristics curve (AUROC) of 0.82 and 0.74 on out of distribution (OOD)-datasets, similar to the H&E-based benchmark classification of 0.81 and 0.75, respectively. A combined classifier using MelanA and H&E achieved AUROCs of 0.85 and 0.81 on the OOD datasets. DL MelanA-based assistance systems show the same performance as the benchmark H&E classification and may be improved by multi stain classification to assist pathologists in their clinical routine.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google