基于静脉病理图像的深度学习分类器用于预测高度血清性卵巢癌中基于的治疗反应
Byungsoo Ahn1, Damin Moon2, Hyun-Soo Kim3
1Department of Pathology, Severance Hospital, Yonsei University College of Medicine, Seoul, South Korea.
Nature communications
|May 18, 2024
概括
一个新的工具,高度血清性卵巢癌的病理风险分类器 (PathoRiCH),使用基因病理图像预测患者对化疗的反应. 这种分类器为卵巢癌治疗提供了比现有的分子生物标志物更好的预测.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 生物标志物开发 生物标志物开发
背景情况:
- 基于的化疗是治疗高度血清性卵巢癌 (HGSOC) 的主要治疗方法.
- 预测患者对化疗的反应对于有效的治疗选择至关重要.
- 目前,没有可靠的生物标志物用于预测HGSOC.中基于的治疗反应.
研究的目的:
- 开发和验证一种基于图像的新型组织病理学分类器,HGSOC的病理风险分类器 (PathoRiCH),用于预测HGSOC患者的治疗反应.
- 与现有的分子生物标志物相比,评估PathoRiCH的性能.
- 探索PathoRiCH与分子生物标志物的整合,以提高风险分层.
主要方法:
- 开发PathoRiCH,这是一种在内部队列 (n=394) 的基因病理图像上训练的分类器.
- 在两个独立的外部队列 (n=284和n=136) 上验证PathoRiCH.
- 使用无区间和与分子生物标志物进行比较,评估PathoRiCH的预测性能. 视觉化和转录组分析被用来解释模型决策.
主要成果:
- 在这三个队列中,PathoRiCH成功地将患者分为有利和不利的响应组,在所有三个队列中,无间隔显著不同.
- 与当前的分子生物标志物相比,PathoRiCH表现出优越的预测性能.
- 将PathoRiCH与分子生物标志物的结合进一步改善了患者风险分层.
结论:
- PathoRiCH是一种可靠和有效的基于遗传病理学的工具,用于预测HGSOC中的化疗反应.
- 这种新型分类器有可能改变卵巢癌的诊断管道.
- "PathoRiCH"为开发针对个性化HGSOC治疗的创新工具提供了一个有前途的基础.
