在乳腺癌中以人工智能为基础的髓分裂评分:临床应用.
Asmaa Ibrahim1, Mostafa Jahanifar2, Noorul Wahab2
1Academic Unit for Translational Medical Sciences, School of Medicine, University of Nottingham, Nottingham, United Kingdom; Department of Pathology, Faculty of Medicine, Suez Canal University, Egypt.
概括
人工智能 (AI) 对乳腺癌 (BC) 线位分裂评分显示出希望. 使用人工智能的线性活动指数 (MAI) 方法是最可靠的,与视觉评分相关,并预测患者的生存率.
科学领域:
- 计算病理学计算病理学
- 乳腺癌的诊断 乳腺癌的诊断
- 人工智能在瘤学中的应用
背景情况:
- 人工智能 (AI) 卓越于癌症中线粒分裂的识别和量化.
- 对乳腺癌 (BC) 的AI的临床实施需要对已建立的方法进行评估.
- 准确的线粒体数字得分对于BC分级和预后至关重要.
研究的目的:
- 评估基于AI的乳腺癌 (BC) 中的线粒体数字得分的最佳方法.
- 将AI衍生的线粒细胞计数 (每瘤区域的线粒细胞计数[MCT],线粒细胞指数[MI],线粒细胞活动指数[MAI]) 与视觉评分和临床结果进行比较.
主要方法:
- 使用来自大BC队列 (诺丁汉,TCGA-BRCA) 的整个幻灯片图像.
- 使用自动化线粒分裂检测来计算MCT,MI和MAI.
- 对诺丁汉分级系统的视觉评分,Ki67分数,临床病理参数和患者存活率进行了AI指标的评估.
主要成果:
- 所有基于AI的线粒度得分 (MCT,MI,MAI) 与临床病理学特征和生存率相关 (P < .001).
- 只有MAI和MCT与黄金标准视觉评分 (r=0.8,r=0.7) 和Ki67评分 (r=0.69,r=0.55) 呈现正相关性.
- 在多变量分析中,MAI是生存的唯一独立预测因子 (P < .05).
结论:
- 对于BC线粒分裂得分的最佳AI方法需要仔细考虑临床应用.
- 使用人工智能的线粒体活动指数 (MAI) 提供了可靠,可复制和准确的量化乳腺癌中线粒体数字.
- 作为乳腺癌的独立预后标志物,MAI表现出卓越的性能.
更多相关视频
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.3K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K