使用人工智能对光线乳腺癌中瘤透淋巴细胞的评估

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能在医学中的应用

背景情况:

• 瘤透淋巴细胞 (TILs) 是 HER2 阳性和三阴性乳腺癌 (BC) 的确定的预后标志物.
• 在光线 (ER+/HER2-) BC中TILs的预后意义仍然在很大程度上未被阐明.
• 这项研究使用先进的AI技术研究了TILs在光线BC中的作用.

研究的目的:

• 评估TILs在大量光线早期BC患者队列中的预后意义.
• 利用人工智能 (AI) 来量化TIL及其空间分布.
• 为了确定TIL与临床病理学参数和患者在光线BC的结果的关联.

主要方法:

• 一个受监督的深度学习模型分析了来自2231名光线早期BC患者的黑马托克西林和乙 (H&E) 染色全片图像 (WSI).
• 量化 stromal TILs (sTILs) 和 intratumoural TILs (tTILs),包括它们的空间分布和流层参与.
• 与临床病理学参数和患者结局的相关性分析,包括多变量Cox回归.

主要成果:

• 在sTILs和tTILs之间发现了强烈的正相关性.
• 高的sTIL和tTIL数量,以及它们与瘤/瘤细胞的同时发生,与糟糕的结果和不良的临床病理特征 (高度,淋巴结转移,大瘤大小,年轻年龄) 有关.
• 内TILs (tTILs) 独立预测了更糟糕的患者结果,而基于AI的筋膜比例评估没有预测性.

结论:

• 基于人工智能的TILs量化和空间分析在光早期BC.提供预后价值.
• 与视觉估计相比,AI算法可以更全面地评估WSIs中的TIL形态.
• 这些发现突出了AI在改进光线BC的预后评估方面的潜力.