相关实验视频
Updated: Jul 16, 2025
06:27
A Protocol for Explant Cultures of IDH1-mutant Diffuse Low-grade Gliomas
Published on: May 9, 2025
453
有效诊断IDH突变质瘤:1p/19qNET通过使用弱监督学习来评估1p/19q代选择状态
Gi Jeong Kim1,2, Tonghyun Lee3, Sangjeong Ahn4
1Department of Pathology, Severance Hospital, Yonsei University College of Medicine, Seoul, Republic of Korea.
NPJ precision oncology
|September 16, 2023
概括
一个新的深度学习网络,1p/19qNET准确地识别了1p/19q代选择,并从整个幻灯片图像中分类出异酸脱酶 (IDH) 突变性质瘤,其性能优于传统方法.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 医学中的人工智能
背景情况:
- 准确的分子鉴定对于结质瘤的诊断和治疗至关重要.
- 光现场杂交 (FISH) 是耗时且对观察各种质瘤变化的局限性.
研究的目的:
- 开发和验证1p/19qNET,这是一个深度学习网络,用于预测1p/19q染色体折叠变化和分类IDH突变质瘤.
- 将1p/19qNET的性能与传统的FISH方法进行比较.
主要方法:
- 在288名患者的下一代测序数据上训练了1p/19qNET,使用弱监督的幻灯片级方法.
- 在来自癌症基因组图谱的385个样本的独立集合上验证了网络.
- 利用深度学习来分析整个幻灯片图像的质瘤分子变化.
主要成果:
- 1p/19qNET实现了0.589 (1p) 和0.547 (19q) 的R2值,表现优于FISH.
- 该网络在IDH突变质瘤分类方面获得了0.930 (发现集) 和0.837 (独立验证集) 的AUC.
- 弱监督学习为结果提供了可解释的热图.
结论:
- 深度学习,特别是1p/19qNET,可以精确确定质瘤中的1p/19q代选择状态.
- 1p/19qNET成功地将IDH突变性质瘤分为星细胞瘤或质质瘤亚型.
- 这种人工智能驱动的方法提供了与FISH相似的结果,增加了空间信息和更广泛的瘤分类潜力.
