深度学习模型改善了瘤透淋巴细胞评估和乳腺癌治疗反应预测
Sangjoon Choi1, Soo Ick Cho2, Wonkyung Jung2
1Department of Pathology and Translational Genomics, Samsung Medical Center, Sungkyunkwan University School of Medicine, Seoul, Republic of Korea.
NPJ breast cancer
|August 30, 2023
概括
一个深度学习工具通过标准化瘤透淋巴细胞 (TIL) 评分来改善乳腺癌评估. 这种人工智能辅助增强了病理学家的共识,并更好地预测某些乳腺癌类型的化疗反应.
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:
- 瘤透淋巴细胞 (TILs) 在乳腺癌的瘤微环境中至关重要.
- 手动TIL评分的观察者间变异性阻碍了其作为生物标志物的使用.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于乳腺癌中客观 stromal TIL (sTIL) 评估.
- 评估DL模型对病理学家间一致性和预测新辅助化疗反应的影响.
主要方法:
- 开发了一种基于DL的TIL分析仪,用于在402张乳腺癌全幻灯片图像中得分STIL.
- 评估了DL模型的独立性能,并实施了DL辅助的修订.
- 分析了一致性相关系数和化疗反应率.
主要成果:
- 与病理学家相比,DL模型实现了0.755的一致性相关系数.
- DL的帮助使不一致的病例减少了28.9%,并改善了病理学家间的协议.
- DL辅助评分显示,在三阴性和HER2阳性乳腺癌的化疗反应者中,STILs更高,与反应相关.
结论:
- 基于DL的TIL分析仪在sTIL解释中增强了病理学家之间的一致性.
- 该工具在预测特定乳腺癌亚型中新辅助化疗反应方面具有实用性.
- 这个DL工具作为标准化STIL评分在乳腺癌评估的宝贵参考.


