在NRG/RTOG 9902第三阶段试验中基于数字病理学的多模式人工智能架构的外部验证
Ashley E Ross1, Jingbin Zhang2, Huei-Chung Huang2
1Department of Urology, Northwestern Medicine, Chicago, IL, USA.
European urology oncology
|February 1, 2024
概括
多模式人工智能 (MMAI) 模型准确地预测高风险患者的远程转移和前列腺癌死亡率. 这些人工智能工具增强了风险分层,超越了传统的临床因素,改善了患者护理决策.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 准确的风险分层对于管理局部性前列腺癌 (PCa) 至关重要.
- 一个先前开发的多式联络人工智能 (MMAI) 模型集成了数字遗传病理学和临床数据.
- 这种MMAI模型的外部验证对于高风险或局部晚期PCa患者至关重要.
研究的目的:
- 来自第三阶段临床试验的局部高风险PCa患者队列中外部验证预后MMAI模型.
- 评估MMAI模型在预测远程转移 (DM) 和PCa特定死亡率 (PCSM) 的性能.
- 将MMAI模型的预后能力与已确定的临床因素和NCCN高风险特征进行比较.
主要方法:
- 验证队列包括来自NRG/RTOG 9902试验的318名局部高风险PCa患者.
- 两种预后MMAI模型 (DM和PCSM) 通过使用数字组织病理学和临床特征进行了验证.
- 统计分析使用了细灰或考克斯比例危险模型来报告分发危险比率 (sHR) 和95%置信区间 (CI).
主要成果:
- 对于DM和PCSM的MMAI算法与各自的终点有显著且独立的关联.
- 与临床因素和NCCN高风险特征相比,MMAI模型显示出优越的风险分层.
- 与最低四分之一 (4%和7%) 相比,DM MMAI得分最高四分之一的患者显示5年和10年DM率显著更高 (19%和32%).
结论:
- 外部验证证实了MMAI模型对高风险局部PCa的预后能力.
- MMAI模型提供了超越传统临床和病理变量的预后信息.
- 这些经过验证的深度学习MMAI模型可以改善预后,并为局部性前列腺癌的患者管理决策提供信息.
