人工智能引导的组织病理学预测肺癌患者的大脑转移

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能的人工智能

背景情况:

• 大脑转移在早期和局部晚期非小细胞肺癌 (NSCLC) 中很常见.
• 目前的方法在预测大脑转移的发展方面缺乏可靠性.
• 需要对大脑转移的组织病理学和分子预测因子.

研究的目的:

• 评估深度学习 (DL) 用于预测在I-III期NSCLC中大脑转移.
• 评估DL算法性能与专家病理学家对比.
• 确定DL是否可以识别可能避免全身治疗的患者.

主要方法:

• 来自158名患者的H&E染色初级NSCLC瘤部分的全幻灯片成像.
• 在118个案例中对DL算法进行培训和验证,并对40个单独的案例进行测试.
• 将DL算法预测与盲目的专家病理学家评论进行比较.

主要成果:

• DL算法在预测大脑转移方面达到87%的准确性 (p < 0.0001).
• 专家病理学家的平均准确率为57.3%.
• 在第一阶段NSCLC患者中,DL在预测大脑转移方面表现特别有用.

结论:

• 应用于常规H&E幻灯片的DL算法可以预测NSCLC中大脑转移的发展.
• DL可能有助于识别那些将在5年内保持无疾病的患者.
• 这种方法可以使选择的NSCLC患者的全身治疗减缓.