人工智能用于预测微卫星不稳定性和KRAS,从结肠直肠癌全片图像中的BRAF突变:系统性审查

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 基因组学就是基因组学.

背景情况:

• 不匹配修复缺陷 (d-MMR) /微卫星不稳定性 (MSI),KRAS和BRAF突变是高级结直肠癌治疗的关键生物标志物.
• 传统的诊断方法,如免疫组织化学和PCR,面临着人工智能 (AI) 可能克服的挑战.
• 对整个幻灯片图像 (WSI) 应用的人工智能为预测这些瘤状态提供了一种新的方法.

研究的目的:

• 系统地审查AI在预测MSI状态,KRAS和BRAF突变在结直肠癌中的作用.
• 评估人工智能模型在预测这些关键生物标志物的表现并确定AI模型的局限性.

主要方法:

• 对2023年6月之前在PubMed上发表的研究进行了系统审查.
• 包括的研究 (n=17) 评估了偏差风险和绩效指标.
• 重点是人工智能,特别是深度学习,应用于生物标志物预测的WSI.

主要成果:

• 人工智能模型在训练队列中对d-MMR/MSI状态预测表现良好 (平均AUC=0.89),但在验证队列中效果较差 (平均AUC=0.82).
• 使用人工智能预测KRAS和BRAF突变的研究较少,性能指标较低 (例如,KRAS验证AUC=0.58).
• 局限性包括一些研究中的小型数据集和缺乏外部验证.

结论:

• 人工智能有可能预测结直肠癌中的d-MMR/MSI状态,尽管验证至关重要.
• 需要使用强大的方法进行进一步的研究,以提高AI用于预测KRAS和BRAF突变的准确性.
• 人工智能驱动的WSI分析可以增强结直肠癌患者的个性化治疗策略.