使用人工智能预测口腔舌头状细胞癌中节点转移的预测

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 隐藏的结节转移存在于口舌状细胞癌 (SCC) 病例的30%以上.
• 目前用于检测结节转移的方法,如部剖析,可能会导致不必要的程序.
• 准确预测结节状况对于SCC的适当治疗计划至关重要.

研究的目的:

• 开发和评估一个卷积神经网络 (CNN) 用于预测口腔舌头SCC中结节转移.
• 评估单独使用原发性瘤组织病理学的可行性,以预测转移.
• 确定一种潜在的工具,以减少SCC患者的过度治疗.

主要方法:

• 追溯分析89例口舌SCC病例,并提供完整的病理学数据.
• 将原发性瘤随机划分为训练和测试组,监督级别不同.
• 通过董事会认证的病理学家对组织病理学幻灯片的注释.
• 使用HALO-AI CNN软件进行模型训练和测试.
• 使用接收机运营商特征 (ROC) 曲线和Youden J统计数据进行分析.

主要成果:

• 在高度监督下,表现最好的CNN算法在预测节点转移方面实现了65%的灵敏度和86%的特异性.
• 这个算法的ROC曲线下的面积 (AUC) 是0.729.
• 主要瘤的组织病理学分析显示了结节参与的预测能力.

结论:

• 一个CNN模型可以有效地预测口腔舌头SCC中的结节转移,仅使用原发性瘤组织病理学.
• 这种人工智能驱动的方法有望改善治疗决策,并可能避免不必要的手术.
• 需要进一步验证,以将这项技术纳入SCC管理的临床实践.