시각-언어 딥러닝 모델을 이용한 임신 관련 태반 질환의 지능형 병리학적 진단

Intelligent Pathological Diagnosis of Gestational Trophoblastic Diseases via Visual-Language Deep Learning Model

임신 관련 태반 질환(GTD)의 병리학적 진단은 오랜 시간이 소요되며, 병리학자의 경험에 크게 의존하며, 초기 진단의 일관성이 낮아 산모의 건강과 생식 결과에 심각한 위협을 초래합니다. 본 연구에서는 GTD 병리학적 진단을 위한 전문가 모델인 GTDoctor를 개발했습니다. GTDoctor는 병리학 슬라이드에서 픽셀 단위의 병변 분할을 수행하고, 진단 결론과 개인 맞춤형 병리학 분석 결과를 제공합니다. 본 기술을 기반으로 GTDiagnosis라는 소프트웨어 시스템을 개발하고 임상 시험을 진행했습니다. 회고적 분석 결과, GTDiagnosis는 병리학 슬라이드에서 병변 검출에 대해 평균 0.91 이상의 정확도를 달성했습니다(n=679 슬라이드). 전향적 연구에서는 GTDiagnosis를 사용하는 병리학자들이 95.59%의 양성 예측 값을 달성했습니다(n=68명의 환자). 이 도구는 평균 진단 시간을 사례당 56초에서 16초로 단축했습니다(n=285명의 환자). GTDoctor와 GTDiagnosis는 GTD 병리학적 진단을 위한 새로운 솔루션을 제공하며, 진단 성능과 효율성을 향상시키면서 임상적 해석 가능성을 유지합니다.

The pathological diagnosis of gestational trophoblastic disease(GTD) takes a long time, relies heavily on the experience of pathologists, and the consistency of initial diagnosis is low, which seriously threatens maternal health and reproductive outcomes. We developed an expert model for GTD pathological diagnosis, named GTDoctor. GTDoctor can perform pixel-based lesion segmentation on pathological slides, and output diagnostic conclusions and personalized pathological analysis results. We developed a software system, GTDiagnosis, based on this technology and conducted clinical trials. The retrospective results demonstrated that GTDiagnosis achieved a mean precision of over 0.91 for lesion detection in pathological slides (n=679 slides). In prospective studies, pathologists using GTDiagnosis attained a Positive Predictive Value of 95.59% (n=68 patients). The tool reduced average diagnostic time from 56 to 16 seconds per case (n=285 patients). GTDoctor and GTDiagnosis offer a novel solution for GTD pathological diagnosis, enhancing diagnostic performance and efficiency while maintaining clinical interpretability.