选择性的CutMix方法提高了基于深度学习的分级和前列腺癌风险评估的普遍性
Sushant Patkar1, Stephanie Harmon1, Isabell Sesterhenn2
1Artificial Intelligence Resource, National Cancer Institute, National Institutes of Health, Bethesda, MD 20892, USA.
Journal of pathology informatics
|July 2, 2024
概括
人工智能 (AI) 现在可以比病理学家更准确地对前列腺癌进行分级,改善了无复发生存率 (RFS),无转移生存率 (MFS) 和整体生存率 (OS) 的预测. 这种人工智能方法提高了前列腺癌手术后的预后.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 前列腺癌诊断的诊断方法
背景情况:
- 格里森评分对于前列腺癌预后至关重要,但是主观的,导致分级不准确.
- 准确的分级对于有效的治疗计划和前列腺癌患者预测结果至关重要.
研究的目的:
- 开发和验证一种人工智能算法,用于从激进前列腺切除 (RP) 标本中对前列腺癌进行分级.
- 评估AI估计的格里森模式与患者生存结果 (RFS,MFS,OS) 的相关性.
- 为了比较AI分级性能与传统的病理学家基于分级 (ISUP系统).
主要方法:
- 训练有素的人工智能模型 (MobileNetV3,ResNet50) 使用大型数据集,包括整体前列腺幻灯片和针活检幻灯片.
- 采用了选择性的CutMix训练策略,以提高格里森模式检测器的通用性.
- 在独立队列上验证了AI性能,评估了30年来RFS,MFS和OS的预测.
主要成果:
- 人工智能估计的格里森模式比例显示,在预测患者存活率方面,具有很强的一致性指数 (RFS为0.69,MFS为0.72,OS为0.64).
- 人工智能方法的表现优于对照实验和国际泌尿病学学会 (ISUP) 病理学家的评分.
- 与ISUP分级相比,基于AI估计的无监督聚类显著改善了风险分层.
结论:
- 基于深度学习的定量格里森评分为前列腺癌分级提供了更客观,更准确的方法.
- 人工智能驱动的预后可以显著改善前列腺癌患者手术后的生存结果的预测.
- 这种人工智能工具有可能提高前列腺癌护理中的临床决策和患者管理.
