预测结直肠癌5年复发风险:基于组织学的深度学习方法的开发和验证

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 医学成像分析 医学成像分析

背景情况:

• 准确的长期复发风险估计对于非转移性结直肠癌 (CRC) 管理至关重要.
• 基于组织学的深度学习为CRC患者的风险分层增强提供了潜力.

研究的目的:

• 开发和验证一种深度学习模型,用于预测非转移性慢性结核病的5年无复发生存期 (RFS).
• 根据组织学图像分析,将患者分为不同的风险组.

主要方法:

• 在三个医院开发并使用614例非转移性CRC病例的组织学图像验证了一个监督较弱的深度学习模型.
• 建立了深度预后因子 (DL-RRS),以将患者分为高风险和低风险组.
• 用曲线下面面积 (AUC) 计算来评估模型性能.

主要成果:

• 在DL-RRS模型中,验证队列的AUC为0.833,外部测试队列的AUC为0.715.
• 在外部测试队列中,高风险的5年RFS率为45.7%,低风险的DL-RRS患者为82.5% (HR:3.89).
• 辅助化疗改善了第二阶段高风险DL-RRS患者的RFS (HR:0.15).

结论:

• DL-RRS模型显示了强大的预测性表现,用于结直肠癌5年复发风险.
• 这种深度学习方法可以显著帮助临床决策,用于CRC患者管理.
• 使用DL-RRS的基于组织学风险分层有潜力改善患者的治疗结果.