Regression Discontinuity Design for AI-assisted histopathology data

Abstract

The aim of the thesis was to review use of quasi-experimental regression discontinuity design method in histopathological data-analysis and to assess the technical possibility of using the method with algorithmic data. Regression discontinuity design is a rarity in medical research and little used in histopathological data-analysis. The data produced in histopathological analysis relies on cut-offs when reviewing eligibility to diagnose/treatment and fulfils the main assumption of continuity. Also, data around the divisive cut-off can be proven to be randomly divided. Proof-ofconcept for regression discontinuity design was done using digitalized breast tissue slides (n = 129) analyzed in Aiforia Cloud. The observations were divided by using a proliferation protein Ki-67’s positivity ratio as a cut-off; < 14% were in moderate group (pathologist n = 37, algorithm n = 47) and ≥14% positives (pathologist n = 92, algorithm n = 82). Outcome was chosen to be severity of the decease (CFR%), derived from five-year survival. Thesis used a pre-made API to fetch algorithmic results to R, where the data handling and analysis were done. For realistic study one needs thousands of observations, thus used dataset with n = 129 subjects was too small, also there were only nine observations in outcome. For the reasons, thesis can’t give any clinically relevant judgments. Technically it was possible to make a pipeline from Aiforia Cloud to R and proceed to regression discontinuity design. In the future one might consider repeating this study with enough observations and more robust outcome.

Diplomityön tarkoituksena oli selvittää kirjallisuuskatsauksen ja konseptitodistelun avulla kvasikokeisiin kuuluvan regressioepäjatkuvuusasetelman käyttöä histopatologisen aineiston analysoinnissa. Kirjallisuuskatsauksen perusteella regressioepäjatkuvuusasetelma on vähän käytetty menetelmä lääketieteellisessä tutkimuksessa, eikä sitä ole juurikaan sovellettu histopatologian alalla, toisin kuin ekonomiassa ja sosiologiassa. Edellä mainittujen alojen tutkimus kuitenkin osoittaa regressioepäjatkuvuusasetelman olevan monipuolinen menetelmä useisiin tutkimuskysymyksiin. Histopatologiassa tuotettava syöpädiagnostiikkaa tukeva tieto soveltuu kirjallisuuden perusteella käytettäväksi regressioepäjatkuvuusasetelmassa, sillä tärkeimmät ennakko-oletukset jatkuvuuden ja jakavan kynnysarvon satunnaisuuden suhteen täyttyvät. Regressioepäjatkuvuusasetelma-analyysi toteutettiin käyttäen digitalisoiduista rintakudosleikkeistä Aiforia Cloud pilvipalvelussa tuotettua tietoa. Havainnot (n = 129) jaettiin kahteen ryhmään käyttäen prosenttiosuutta proliferaatioproteiini Ki-67 värjäytyneistä soluista jakavana tekijänä siten, että <14% olivat kohtalaisia (patologidatassa n = 37, algoritmilla n = 47) ja ≥14% positiivisia (patologidatassa n = 92, algoritmilla n = 82). Lopputulemaksi valittiin taudin vakavuutta kuvaava CFR% luku, joka johdettiin potilaiden viiden vuoden selviytymisseurannasta. Työssä käytetty ohjelmointirajapinta haki algoritmilla analysoidut tulokset pilvipalvelusta ja tietoja käsiteltiin R-ohjelmointikielellä. Regressioepäjatkuvuusasetelma- analyysiin luotettava toteutus vaatii tuhansien havaintojen joukkoja, joten diplomityössä täytetty havaintojoukko oli liian pieni. Myös käytetty lopputulema oli osittain soveltumaton johtuen rintasyöpäpotilaiden hyvästä eloonjäännistä viiden vuoden aikana, näistä syistä työn kliinistä merkittävyyttä ei voida luotettavasti arvioida. Teknisesti toteutus oli onnistunut osoittaen Aiforia Cloud pilvipalvelusta voitavan noutaa analyysituloksia, joita pystytään käyttämään tehtäessä regressioepäjatkuvuusasetelma-analyysia. Jatkotutkimuksena suositellaan kokeen toistamista käyttäen suurempaa havaintojoukkoa sekä soveltuvampaa lopputulemaa.