使用基于人工智能的基因病理图像分析预测软组织瘤患者的预后

科学领域:

• 计算病理学计算病理学
• 医学成像分析分析 医学成像分析
• 在瘤学瘤学.

背景情况:

• 软组织肉瘤 (STSs) 的精确组织病理学诊断仍然具有挑战性.
• 数字病理学和人工智能 (AI) 为预测STS行为提供了新的途径.
• 这项研究研究了深度学习,用于使用基因病理图像进行预后预测.

研究的目的:

• 探索深度学习的应用,以预测软组织肉瘤 (STS) 患者的预后.
• 评估AI在预测患者存活率和无转移存活率方面的准确性.
• 评估AI在改善STD临床管理方面的潜力.

主要方法:

• 从STS患者的35个组织病理幻灯片的回顾性分析.
• 训练一个Inception v3卷积神经网络模型用于生存率估计.
• 使用F1分数和接收器操作特征曲线 (AUC) 下的面积作为结果指标的四倍验证.

主要成果:

• 深度学习模型实现了0.974的AUC和91.9%的准确性预测整体存活率.
• 对于无转移生存预测,该模型获得了0.852的AUC,准确率为84.2%.
• 研究队列包括35名患者,平均年龄为64岁,平均随访时间为34个月.

结论:

• 人工智能具有作为一种工具的潜力,可以帮助病理学家准确预测STS的预后.
• 这种人工智能驱动的方法可以显著提高软组织肉瘤患者的临床管理.
• 对组织病理图像的深度学习分析为STS的预后评估提供了一个有希望的方法.