通过深度学习识别免疫透,以评估肝细胞癌患者的预后

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 免疫学 免疫学 免疫学

背景情况:

• 肝细胞癌 (HCC) 的治疗仍然具有挑战性.
• 深度学习 (DL) 为评估瘤中的免疫透提供了一个有希望的方法.

研究的目的:

• 开发和验证DL模型,用于评估HCC的免疫透.
• 评估模型在预测患者预后和免疫检查点表达方面的实用性.

主要方法:

• 来自HCC患者的整体幻灯片图像 (WSIs) 使用DL模型 (ResNet 101V2) 进行处理.
• 用准确度指标和ROC/PR曲线来评估模型性能.
• 免疫细胞透及其预后意义使用生存分析和Cox回归来分析.

主要成果:

• 在评估免疫透时,DL模型实现了高精度 (精度微: 97.46%,精度宏: 82.28%).
• 瘤透淋巴细胞 (TIL) 百分比是HCC显著的独立预后因素 (p=0.015).
• 该模型在不同队列中证明了患者生存的预测价值.

结论:

• 一个经过验证的DL模型可以有效地评估HCC组织中的免疫透.
• 该模型有助于评估患者的预后,并了解HCC的免疫反应.