使用深度学习对食道和食道胃结腺癌的新辅助化疗进行治疗反应的基于组织学预测
Fabian Hörst1,2, Saskia Ting3,4, Sven-Thorsten Liffers5,6
1Institute for Artificial Intelligence in Medicine (IKIM), University Hospital Essen (AöR), Essen, Germany.
JCO clinical cancer informatics
|August 1, 2023
概括
深度学习模型使用组织学图像准确地预测胃食道结腺癌中的新辅助化疗反应. 这种方法可以通过在治疗开始之前识别预测性组织生物标志物来指导治疗策略.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算病理学计算病理学
背景情况:
- 在胃食道结 (GEJ) 腺癌中,准确量化治疗反应对于优化治疗策略至关重要.
- 组织组织样本提供了一个宝贵的资源,以增强当前基于正子发射断层扫描和计算机断层扫描 (PET/CT) 的反应评估.
研究的目的:
- 调查深度学习 (DL) 算法在预测GEJ腺癌患者新辅助化疗反应方面的能力.
- 为了确定DL模型是否可以使用组织组织样本预测治疗反应.
主要方法:
- 一项涉及MEMORI试验I-III GEJ腺癌的67名患者的诊断研究.
- 患者在开始新辅助化疗之前和之后接受了基线PET/CT扫描和食道活检.
- 使用数字化基因病理整体幻灯片图像 (WSIs) 开发了DL算法,以预测基于PET/CT的响应者和非响应者.
主要成果:
- 最好的治疗前DL网络实现了0.81的AUROC和0.82.8的AUPRC.
- 最好的在治疗中的DL网络实现了0.84的AUROC和0.82.8的AUPRC.
- 这些模型在使用WSIs预测治疗反应时表现出高准确度.
结论:
- 深度学习算法可以使用整个幻灯片图像准确地预测GEJ腺癌患者对新辅助化疗的治疗反应.
- 这些发现表明,在治疗开始之前,可以通过DL分析检测到预测性形态组织生物标志物的存在.
