通过深度学习进行结直肠癌的端到端预后:一项回顾性多中心研究
Xiaofeng Jiang1, Michael Hoffmeister2, Hermann Brenner3
1Else Kroener Fresenius Center for Digital Health, Technical University Dresden, Dresden, Germany; Department of Medicine III, University Hospital Rheinisch-Westfälische Technische Hochschule Aachen, Aachen, Germany.
The Lancet. Digital health
|December 20, 2023
概括
一个新的深度学习模型使用组织病理学幻灯片准确地预测结直肠癌的生存率. 该工具将患者分为高风险和低风险组,帮助临床决策,以改善患者护理.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 准确的预后预测对于个性化结直肠癌 (CRC) 治疗至关重要.
- CRC标本的组织病理幻灯片含有重要的预后信息.
- 现有的预后算法缺乏多中心外部验证和临床整合.
研究的目的:
- 开发和外部验证深度学习 (DL) 系统,用于切除结直肠癌患者的预后分层.
- 自动预测总体存活率和癌症特异性存活率使用组织病理学.
- 评估DL模型在不同患者群体和处理协议中的性能.
主要方法:
- 追溯性多中心研究,涉及来自澳大利亚,德国和美国的CRC组织样本.
- 开发和验证基于注意力的,自我监督的深度学习模型.
- 根据DL预测得分,将患者的风险分层分为高风险和低风险组.
主要成果:
- 在4428名患者中训练的DL模型显示出强大的预后能力.
- 在内部验证中,高风险患者的整体存活率 (HR 4.50) 和疾病特异性存活率 (HR 8.35) 与低风险患者相比显著降低.
- 在三个大型外部测试集中观察到一致的性能,DSS的HR从2.23到3.08不等.
- 基于DL的风险评分证明独立于已确定的临床预后因素.
结论:
- 基于注意力的自我监督深度学习提供了一种可靠的方法来预测CRC患者的结果.
- 开发的预后工具可以在所有人群中推广,并可以帮助CRC管理中的临床决策.
- 代码和模型的开源发布有助于进一步的研究和临床采用.
