胃食道接合腺がんにおけるマイクロサテライトの不安定性を予測するデジタル病理学ベースの人工知能モデル
Zhenqian Li1, JingQi Chen2, Miaomiao Sun1
1Department of Pathology, the First Affiliated Hospital of Zhengzhou University, Zhengzhou, China.
Frontiers in oncology
|August 25, 2025
まとめ
新しい人工知能モデルは,H&Eで染み付いたスライドを使用して,胃食道結節腺がんにおけるマイクロサテライト不安定性高 (MSI-H) を正確に予測できます. このデジタル病理学的アプローチは 患者の治療における 臨床応用に希望を示しています
科学分野:
- 腫瘍学
- デジタル病理学
- 人工知能
背景:
- マイクロサテライトの不安定性 (MSI) は,胃食道結合 (GEJ) アデノカルシノーマの治療反応を予測するために重要である.
- 精確なMSI-H状態の特定は,GEJがんの治療戦略を導くために不可欠です.
研究 の 目的:
- GEJ腺癌患者のMSI-H状態を予測するためのディープラーニングモデルを開発し,検証する.
- 非侵襲的なMSI-H識別のためにH&Eで染み付いた病理学的標本を活用する.
主な方法:
- 212人のGEJ腺がん患者の416枚のH&E染色スライドを使用して,人工知能 (AI) モデルが開発されました.
- パッチレベルのモデル (Simple Vit, ResNet18) を訓練し,テストし,その後,スライド全体の画像 (WSI) レベルのAIモデルを構築しました.
- WSIレベルのモデルは6つの機械学習アルゴリズムとディープラーニング機能を統合しました.
主要な成果:
- 多層感知器 (MLP) モデルは,AUCが93. 3%,感度が0. 841,特異性が0. 952で最高を達成した.
- 決定曲線分析 (DCA) は,MSI-H予測のためのWSIレベルのH&E分析の臨床的有用性を確認しました.
- 開発されたAIモデルは,テストコホートでMSI-Hを特定する際の強固な精度を示した.
結論:
- デジタル病理学を利用したAIモデルでは,GEJアデノカルシノマにおけるMSI-Hを予測する大きな可能性が示されています.
- このアプローチは,MSI-H状態の決定のための有望で非侵襲的な方法であり,潜在的な臨床応用がある.
- この研究は,GEJがんにおけるAI主導のMSI-H予測のためのH&Eスライドの使用の可能性を強調しています.
