基于人工智能支持的常规H&E图像为早期光线乳腺癌的预后标志物
Noorul Wahab1, Michael Toss2,3, Islam M Miligy2,4
1Tissue Image Analytics Centre, Department of Computer Science, University of Warwick, Coventry, UK.
NPJ precision oncology
|November 15, 2023
概括
一个新的AI驱动的BRACE标志物客观地从H&E图像中评估乳腺癌 (BC) 异质性. 这种预后工具准确地预测早期光线/HER2-阴性BC患者的结果,帮助治疗决策.
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:
- 乳腺癌 (BC) 的分级是主观和可变的.
- 瘤异质性会影响预后的准确性.
- 现有的分级系统缺乏客观性.
研究的目的:
- 开发一个客观的,基于人工智能的预后标志物,用于早期的光/HER2-阴性BC.
- 为了将标记器称为BRACE (乳腺癌) 标记器.
- 为了验证BRACE标记物的预后能力.
主要方法:
- 利用深度学习以基于人工智能的评估BC异质性从H&E图像.
- 从详细的异质性分析中开发了BRACE标记.
- 在早期BC患者的两个独立队列 (诺丁汉和科文特里) 中验证了标记物.
主要成果:
- 在BRACE标志物显著分层患者远程转移无存活率 (p=0.001,C指数:0.73).
- 该标志物还对患者进行了BC特定生存的分层 (p<0.0001,C指数:0.84).
- BRACE标志物表现出与已建立的预后指数 (NPI,Magee分数) 相当的准确性.
结论:
- BRACE标记器提供了一个客观和准确的预后工具,用于早期的光/HER2-阴性BC.
- 它可以识别那些可能从辅助化疗中受益的患者.
- 这种人工智能驱动的方法增强了BC预后和个性化治疗策略.
