相关实验视频
Updated: Jul 7, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
来自瘤透淋巴细胞的基于AI的风险评分预测了鼻癌的局部无区域生存率
Made Satria Wibawa1, Jia-Yu Zhou2,3, Ruoyu Wang1
1Tissue Image Analytics Centre, Department of Computer Science, University of Warwick, Coventry CV4 7AL, UK.
Cancers
|December 23, 2023
概括
一个新的深度学习算法通过分析组织图像中的瘤透淋巴细胞 (TILs) 准确预测鼻癌 (NPC) 复发. 这种方法为局部区域复发提供了更好的预后价值,有助于治疗决策.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 癌症基因组学 癌症基因组学
背景情况:
- 鼻癌 (NPC) 的局部复发影响10-50%的患者.
- 目前的预后标志物 (阶段,爱斯坦-巴尔病毒DNA) 缺乏对复发的敏感性.
- 需要改进的生物标志物来指导NPC治疗策略.
研究的目的:
- 开发和验证一个深度学习算法,用于预测NPC局部区域的复发.
- 量化瘤透淋巴细胞 (TILs) 并评估它们的预后价值.
- 建立新的数字标记,以改善患者风险分层.
主要方法:
- 分析了367个NPC病例的全幻灯片图像 (WSI).
- 一个深度学习算法检测到H&E染色部分中的瘤和淋巴细胞核.
- 基于密度的聚类量化了TIL,随机生存森林模型产生了风险得分.
主要成果:
- 该算法成功地将NPC病例分为地方区域复发的低风险和高风险组 (p < 0.001).
- 观察到远程无转移存活率 (p < 0.001),无进展存活率 (p < 0.001) 和区域无复发存活率 (p < 0.05) 的显著预后值.
- 单变量和多变量分析都证实了开发的方法对局部区域复发的强有力的预后能力.
结论:
- 来自TIL分析的新型数字标记显示了协助NPC治疗决策的潜力.
- 深度学习方法为预测NPC复发提供了一种敏感和特定的方法.
- 这项技术可以在鼻癌管理中增强个性化治疗策略.
