周周上皮质淋巴细胞活动的数字分数预测了口腔上皮质发育不良的恶性转变
Raja Muhammad Saad Bashir1, Adam J Shephard1, Hanya Mahmood2,3
1Tissue Image Analytics Centre, Department of Computer Science, University of Warwick, Coventry, UK.
The Journal of pathology
|June 9, 2023
概括
这项研究引入了一种深度学习模型,用于预测口腔上皮质发育不良 (OED) 中的恶性转变,这是癌前疾病. 该模型准确识别高风险病例,有可能改善口腔癌的早期检测和患者的治疗结果.
科学领域:
- 计算病理学计算病理学
- 数字健康数字健康
- 在瘤学瘤学.
背景情况:
- 口腔状细胞癌 (OSCC) 由于晚期诊断,预后不好.
- 口腔上皮质质变形 (OED) 是OSCC的一个前发病状态,但其组织学分类是主观的和不可靠的.
- 准确的OED预后对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一种深度学习方法,用于预测OED的恶性转变.
- 通过深度学习识别的组织学特征与临床结果相关联,包括无进展生存 (PFS).
- 探索AI在提高OED预后准确度方面的潜力.
主要方法:
- 一种弱监督的深度学习方法被训练在OED组织部分的整个幻灯片图像 (WSIs) 上 (n=137).
- 该模型预测了OED病例的恶性转变,其中50例呈现转变.
- 用分层的五倍交叉验证来评估模型性能,平均AUROC为0.78.
主要成果:
- 深度学习模型在预测OED恶性转变时获得了0.78的AUROC.
- 确定的显著预后因素包括周上皮质淋巴细胞 (PELs) 数,上皮层核数 (NC) 和基底层NC.
- 单变量分析表明,上皮层NC (C指数=0.73),基底层NC (C指数=0.70) 和PELs数 (C指数=0.73) 与恶性转变的高风险相关,并预测了PFS.
结论:
- 深度学习可以有效地应用于组织学WSIs,用于预测OED.
- 这项研究表明了人工智能驱动分析的潜力,可以预测OED中的恶性转变和PFS.
- 为了临床转换和改善患者管理,需要进一步的多中心验证.
