使用人工智能破译侵袭性乳腺癌中瘤-胸腔特征的形态学
Nehal M Atallah1, Noorul Wahab2, Michael S Toss3
1Academic Unit for Translational Medical Sciences, School of Medicine, University of Nottingham, Nottingham, UK; Department of Pathology, Faculty of Medicine, Menoufia University, Egypt.
概括
人工智能 (AI) 可以客观地评估乳腺癌 (BC) 侧膜,揭示预后见解. 较高的筋膜与瘤比率 (S:TR) 表示更好的生存率,而较高的瘤负担预测更糟糕的结果.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 医疗成像医学成像
背景情况:
- 乳腺癌 (BC) 侧膜异质,缺乏标准化的评估方法.
- 人工智能 (AI) 提供了对瘤和筋膜瘤的客观形态分析.
- 人工智能可以识别视觉显微镜之外的微妙特征,用于BC预后.
研究的目的:
- 使用人工智能来评估在BC.中肌层与瘤比率 (S:TR) 的临床意义.
- 使用人工智能来评估树皮细胞排列,瘤细胞密度和瘤负担的预后影响.
- 为了验证AI驱动的形态特征评估在一个大的BC队列.
主要方法:
- 将监督深度学习模型应用于1968年光学BC病例的全幻灯片图像.
- 自动定量瘤和肌肉特征,包括S:TR (表面积和细胞数比).
- 评估了S:TR异质性,空间分布,瘤细胞密度和瘤负担的预后值.
主要成果:
- 高的S:TR与良好的预后和更长的患者存活时间相关.
- 不同质的S:TR空间分布预测了更糟糕的结果.
- 由AI评估的瘤负担是比瘤大小更糟糕的生存率的更强的独立预测因素.
结论:
- 人工智能提供了一个客观的工具,用于评估乳腺癌的预后性 stromal 特性.
- 人工智能驱动的瘤负担分析提供了优越的预后信息,与单独的瘤大小相比.
- 这种方法有可能完善BC风险分层和治疗策略.
更多相关视频
08:08Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
106
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K