通过对三级淋巴体结构和瘤芽的综合分析,利用人工智能预测三阴性乳腺癌生存率
Xupeng Hou1,2,3,4,5,6, Xueyang Li1,2,3,4, Yunwei Han1,2,3,4
1Department of Breast Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China.
Cancer
|February 29, 2024
概括
一项新的AI驱动分析显示,三级淋巴体结构 (TLS) 与瘤芽 (TB) 的比例是三阴性乳腺癌 (TNBC) 存活率的关键预测因素. 这种TLS/TB指数提高了TNBC患者的预后准确性.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 三阴性乳腺癌 (TNBC) 是乳腺癌的攻击性和异质亚型,患者的治疗结果不佳.
- 三级淋巴体结构 (TLS) 和瘤芽 (TB) 正在成为TNBC的显著预后因素.
- 目前缺乏对TLS和TB进行综合分析以预测TNBC存活率.
研究的目的:
- 研究TNBC患者的TLS/TB比率的预后值.
- 开发和验证基于人工智能 (AI) 的模型,使用TLS/TB指数预测TNBC存活率.
- 为提高预后准确性建立一个全面的TLS-TB概况名录.
主要方法:
- 使用血素和素 (H&E) 染色,免疫组织化学 (IHC) 和基于AI的图像分析评估TLS和结核病透.
- 通过多重免疫光检测在TLS中确定细胞亚型.
- 使用R软件开发和验证名ogram模型,包括校准和决策曲线分析.
主要成果:
- 在培训和验证队列中,TLS/TB指数与整体存活率 (OS) 和无复发存活率 (RFS) 有显著的正相关性.
- 在TLS中,CD8+,CD45RO+T细胞和CD20+B细胞的透率更高,与改善的OS和RFS相关.
- 开发的TLS-TB名谱在预测TNBC患者存活率方面超过了传统的瘤-淋巴结转移 (TNM) 阶段系统.
结论:
- 一个基于人工智能的集成分析和机器学习工作流提供了预测TNBC预后的新策略.
- TLS/TB指数被确定为TNBC的独立预后因素.
- 基于名图的TLS-TB概况提高了TNBC患者预测生存结果的准确性.
