ディープラーニングと病理学分析は,高度な膠原腫の予後を予測する

科学分野:

• 腫瘍学
• ラジオミクス
• コンピューター病理学

背景:

• 高度性結晶腫は 侵襲的な脳腫瘍で 精密な診断ツールが必要です
• 伝統的な予後要因は,腫瘍の異質性や患者のアウトカムを完全に捉えることができないかもしれません.

研究 の 目的:

• 病理学を用いた高度性膠原腫の予後モデルを開発し,検証する.
• 病理学と臨床データを統合して 予測の精度を向上させる

主な方法:

• 腫瘍領域の全スライド画像 (WSIs) は,ディープラーニングモデルを使用して分析されました.
• 病理的な特徴が抽出され,臨床データと相関した.
• 3つの予測モデルが構築された.病理学に基づく,臨床的,および組み合わせた.

主要な成果:

• 病理学と臨床モデルの組み合わせにより,C指数は0. 847 (訓練) と0. 739 (試験) であった.
• モデルによって特定された高リスク患者は,中位10ヶ月 (p<0. 001) の無進行生存期 (PFS) を有しました.
• IDH状態の分層化は,PFSの予測をさらに洗練した.

結論:

• 病理学と臨床モデルの組み合わせは,高度の膠原腫の予後を予測する上で有意な有効性を示しています.
• このアプローチは 患者を層分けし 治療決定を導くのに 有効なツールです