一个新的模型使用深度学习来预测肺腺癌癌的手术切除后的复发

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:

• 肺腺癌 (LUAD) 复发是一个重大的临床挑战.
• 准确预测LUAD复发风险对于个性化治疗策略至关重要.
• 组织病理学特征提供了有价值的,但未被充分探索的预后信息.

研究的目的:

• 开发和验证深度学习 (DL) 模型,用于预测LUAD复发风险.
• 为了将DL模型预测与临床病理学,遗传学和遗传特征相关联.
• 评估模型识别特定基因突变的能力,例如TP53.

主要方法:

• 开发DL模型 (efficientnet-b2,densenet201,resnet152) 在164个LUAD案例中的整个幻灯片图像上进行训练.
• 使用多个实例学习来预测案例级风险 (高风险与低风险).
• 临床病理学和遗传数据的统计分析与模型预测的风险组相关.

主要成果:

• 对于复发预测,DL模型实现了0.763的AUC.
• 高风险病例与较短的无复发生存期,晚期和积极的组织病理特征有显著的关联.
• 在DL模型预测的高风险组中,TP53突变更频繁.

结论:

• 基于DL的方法可以有效地预测从基因病理图像的LUAD复发风险.
• 该模型识别了具有攻击性疾病特征和更高复发可能性的患者.
• 对其组织病理学的DL分析可能有助于预测LUAD中的TP53基因突变.