使用人工智能数字病理学预测扩散大B细胞淋巴瘤的免疫化疗反应

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 扩散性大B细胞淋巴瘤 (DLBCL) 是一种具有变化药物反应的侵袭性非霍奇金淋巴瘤.
• 预测DLBCL治疗疗效仍然是一个重大的临床挑战.

研究的目的:

• 使用数字病理学和深度学习开发DLBCL免疫化疗反应的预测模型.
• 确定与治疗反应相关的关键组织学特征.

主要方法:

• 对251名用R-CHOP治疗的DLBCL患者的幻灯片图像进行了回顾性分析.
• 使用对比学习进行特征提取,并开发整合临床和图像数据的多模式预测模型.
• 应用知识蒸来减轻过度拟合,并使仅仅病理学的预测.

主要成果:

• 多模式模型的AUC为0.856,与临床预后因素相关.
• 生存分析证明了该模型在预测无复发生存率方面的有效性.
• 外部验证证实了该模型的预后能力,基于病理学的预测显示出独立的预后价值.

结论:

• 数字病理学与深度学习相结合,为预测DLBCL治疗反应提供了一种新,客观和可重复的方法.
• 开发的模型显示了作为一种诊断和预后工具的潜力,以提高DLBCL的临床管理.
• 进一步与基因组数据的整合可以完善预测准确性并改善患者的治疗结果.