使用深度学习和定期的H&E染色物来预测HPV关联,可以对口腔癌患者进行粒度分层
Sebastian Klein1,2, Nora Wuerdemann3,4, Imke Demers5
1Department of Hematology and Stem Cell Transplantation, University Duisburg-Essen, University Hospital Essen, Essen, Germany. sebastian.klein@uk-essen.de.
NPJ digital medicine
|August 19, 2023
概括
一个新的深度学习算法,OPSCCnet,分析H&E污点来预测人类乳头瘤病毒 (HPV) 相关的口腔状状细胞癌 (OPSCC) 的预后. OPSCCnet的性能优于标准的HPV测试,提供了改善的患者分层和生存率预测.
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:
- 人类乳头瘤病毒 (HPV) 相关的口腔状状细胞癌 (OPSCC) 是一个日益关注的问题,预后通常良好.
- 有证据表明,与HPV相关的瘤是异质的,需要更好的预后生物标志物.
- 当前的HPV检测方法可能无法完全捕捉预后的变化.
研究的目的:
- 开发和验证一个深度学习算法 (OPSCCnet),用于分析H&E污点,以预测OPSCC的预后.
- 将OPSCCnet的性能与标准HPV-DNA和p16测试进行比较.
- 探索OPSCCnet作为患者分层查工具的潜力.
主要方法:
- 这是一项追溯性多机构研究,涉及906名OPSCC患者.
- 开发一个深度学习算法 (OPSCCnet) 来分析千兆像素H&E全幻灯片图像.
- 使用AUROC和Cox比例危险模型对HPV-DNA和p16状态进行OPSCCnet的预后预测的比较.
主要成果:
- OPSCCnet的AUROC为0.83,在异质性过后改善到0.88.
- 与HPV测试 (80%) 相比,该算法证明了优越的五年生存率预测 (96%).
- 多变量分析证实了OPSCCnet比HPV检测 (HR=0.29) 的显著预后值 (HR=0.15).
结论:
- 使用OPSCCnet对H&E幻灯片的深度学习分析为OPSCC预后提供了一个强大的工具.
- 在分层患者中,OPSCCnet显示了比p16/HPV-DNA测试更好的性能.
- 这种人工智能驱动的方法有可能提高OPSCC的临床决策和患者管理.
更多相关视频
10:26RNAscope for In situ Detection of Transcriptionally Active Human Papillomavirus in Head and Neck Squamous Cell Carcinoma
Published on: March 11, 2014
27.5K
08:08Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
74
