基于人工智能的基因病理图像分析揭示了一个独特的子集子宫内膜癌的癌症
Amirali Darbandsari1, Hossein Farahani2,3, Maryam Asadi2
1Department of Electrical and Computer Engineering, University of British Columbia, Vancouver, BC, Canada.
Nature communications
|June 26, 2024
概括
人工智能 (AI) 在共同的无特异分子谱 (NSMP) 组中发现了一种新的子宫内膜癌 (EC) 亚型,称为"p53abn-like NSMP". 这种人工智能驱动的方法改进了EC分类,并预测了较差的患者结果.
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:
- 子宫内膜癌 (EC) 包含四种分子亚型,具有显著的预后和治疗影响.
- 无特定分子形状 (NSMP) 亚型是最常见的,但显示异质的临床结果.
- 目前的分类方法可能无法完全捕捉NSMP亚型内的预后差异.
研究的目的:
- 利用人工智能驱动的基因病理图像分析来区分p53abn和NSMP EC亚型.
- 在NSMP EC分类中确定一个预后上不同的子组.
- 改进EC分类并改善患者生存率的预测.
主要方法:
- 人工智能 (AI) 的应用用于他的病理学图像分析.
- 发现分析和两个独立的验证队列 (共1278名患者).
- 浅层的全基因组测序,以调查基因组特征.
主要成果:
- 人工智能成功地区分了p53abn和NSMP EC亚型.
- 确定了一组NSMP EC患者 ("p53abn-like NSMP") 的小组,其无进展和疾病特异性存活率明显较低.
- "p53abn-like NSMP"组表现出更高的副本数异常负担,表明不同的生物学.
结论:
- 以人工智能为动力的组织病理学分析可以识别传统方法错过的预后上不同的EC子集.
- 这种方法完善了瘤分类,并有助于识别NSMP亚型中的高风险患者.
- 这些发现仅适用于女性.
