深度学习分析用于预测早期肺腺癌病理学的瘤通过空气传播图像
De-Xiang Ou1, Chao-Wen Lu2,3, Li-Wei Chen1
1Department of Biomedical Engineering, College of Medicine and College of Engineering, National Taiwan University, Taipei 10617, Taiwan.
Cancers
|June 19, 2024
概括
使用深度学习 (DL) 的人工智能 (AI) 准确地预测肺腺癌在肺部空气空间 (STAS) 中的传播. 这种AI工具显示出预后价值,有可能改善早期肺癌患者的临床决策.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 通过空气空间传播 (STAS) 是早期肺腺癌的关键预后因素,与复发和不良结果有关.
- 目前的STAS检测依赖于手动病理检查,这可能是耗时和主观的.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于在肺腺癌中自动预测STAS.
- 与传统的病理评估相比,评估基于DL的STAS预测的预后意义.
主要方法:
- 基于YOLOv5的深度学习框架使用1053个全幻灯片图像 (WSIs) 进行培训和227个WSIs进行外部验证.
- 该模型包含预处理,候选检测,假阳性减少和基于患者的STAS识别预测.
主要成果:
- 在DL模型中,STAS预测的AUC为0.83,准确度为72%,灵敏度为81%,特异性为63%.
- 该模型证明了无病生存的显著预后价值,超过了病理评估.
结论:
- 基于深度学习的STAS预测是一种可行的工具,用于分析肺腺癌中的组织病理图像.
- 这种AI方法可以作为辅助查方法,帮助早期肺癌患者的临床决策.
