基于人工智能的网球蛋白比例区域 - - 在肝细胞癌中,一种新的组织学预测结果

科学领域:

• 肝胆病理学 肝胆病理学
• 在瘤学瘤学.
• 数字病理学和人工智能的人工智能

背景情况:

• 网素染色是一种标准的组织学技术,用于评估肝细胞癌 (HCC).
• 网素比例面积 (RPA) 是从网素染色体中获得的量化指标.
• 在HCC结果中RPA的预测价值需要进一步调查.

研究的目的:

• 评估肝细胞癌 (HCC) 中组织学网红素比例面积 (RPA) 对瘤相关结果的预测能力.
• 开发和验证一个人工智能 (AI) 模型来量化HCC中的RPA.

主要方法:

• 一个受监督的深度学习人工智能模型被开发出来,用于识别和量化正常肝脏和HCC组织中的网红素框架.
• 人工智能模型应用于2005年至2015年期间接受治疗的101例HCC切除病例.
• 包括考克斯回归在内的统计分析被用来评估RPA与患者结局 (转移,DFS,OS) 之间的关联.

主要成果:

• 与正常肝脏相比,RPA的降低>50%显著预测了转移 (HR=3.76,P=0.004),无病存活 (DFS,HR=2.48,P<0.001) 和整体存活 (OS,HR=2.80,P=0.001).
• 减少RPA成为DFS和OS的独立预测因子,也是多变量Cox回归模型中转移的唯一独立预测因子.
• 在中度差异化的HCC亚组 (世卫组织第二级) 中观察到类似的RPA预测意义.

结论:

• 减少RPA是各种HCC相关结果的强有力的预测因素,包括转移,DFS和OS,即使在中度差异化的HCC中也是如此.
• 由AI量化的网球蛋白比例面积代表了肝细胞癌的一个有前途的新型预后生物标志物.
• 建议进行进一步的验证研究,以探索RPA作为HCC预后标记物的临床实用性.