从初级肌肉侵入性膀癌组织学幻灯片预测淋巴结转移状态使用深度学习:一项回顾性多中心研究
Qingyuan Zheng1,2, Jun Jian1,2, Jingsong Wang1,2
1Department of Urology, Renmin Hospital of Wuhan University, Wuhan 430060, China.
Cancers
|June 10, 2023
概括
一个新的深度学习模型从组织病理学幻灯片准确预测肌肉侵入性膀癌 (MIBC) 患者的淋巴结转移 (LNM),帮助在手术前做出治疗决策.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 在肌肉侵入性膀癌 (MIBC) 中,准确的淋巴结转移 (LNM) 预测对于治疗计划至关重要.
- 手术前的LNM状态指导了新辅助化疗和盆腔淋巴结解剖的程度.
研究的目的:
- 开发和验证一个弱监督的深度学习模型,用于MIBC中的LNM预测.
- 使用数字化组织病理幻灯片进行非侵入性LNM评估.
主要方法:
- 在TCGA队列数据上训练了带有注意力机制的多实例学习模型 (SBLNP).
- 一个逻辑回归模型结合了临床信息和SBLNP预测.
- 外部验证使用独立队列 (RHWU和PHHC) 进行.
主要成果:
- 在培训队列中,SBLNP模型实现了0.811的AUROC.
- 综合模型 (SBLNP + 临床数据) 的AUROC为0.864.
- 在外部验证队列中,SBLNP表现强 (AUROC 0.762和0.746).
- 模型的解释性将 stromal 淋巴细胞炎症确定为一个关键的预测特征.
结论:
- 弱监督的深度学习模型有效地从整个幻灯片图像 (WSIs) 中预测MIBC患者的LNM状态.
- 该模型显示了良好的概括性能和临床应用的潜力.
