肺腺癌的分级系统:对其预后性能和未来方向的简要审查

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 计算生物学 计算生物学

背景情况:

• 组织学瘤分级对于各种器官的预后至关重要.
• 最新的IASLC/WHO肺癌分级系统包括主要和高等级的建筑模式 (>20%的瘤表面).
• 这种先进的系统表现出比以往仅基于主要模式的方法更高的预后准确性.

研究的目的:

• 评估IASLC/WHO肺癌分级系统的预后意义.
• 评估这种分级系统与分子变化和PD-L1表达的相关性.
• 探索机器学习在应用IASLC/WHO评分系统中的实用性.

主要方法:

• 组织学模式的分析,包括主要的和高等级的建筑特征 (固体,微毛囊,复杂的腺体).
• 与分子变化,基因表达和PD-L1表达的相关性研究.
• 开发和验证用于组织学分级的机器学习算法.

主要成果:

• 根据IASLC/WHO分级系统,在不同患者群体中,预后能力得到了改善.
• 对于分级系统,观察者之间发现了中等到优秀的一致性.
• 在瘤等级,分子变化,瘤微环境基因表达和PD-L1表达之间发现了相关性.
• 机器学习算法在对非性腺癌进行分类时,实现了与专家病理学家可比的准确性.

结论:

• 通过IASLC/WHO分级系统,提高了肺癌的预后.
• 瘤等级与分子特征有关,可以帮助风险分层.
• 机器学习为精确和高效的肺腺癌组织学分级提供了一个有前途的工具.