在数字病理图像上使用机器学习来预测矩阵金属蛋白酶9表达和质母细胞瘤存活率
Zijun Wu1, Yuan Yang1, Maojuan Chen1
1Department of Radiology, Renmin Hospital of Wuhan University, Wuhan, 430000, China.
Scientific reports
|July 2, 2024
概括
病理学有效地预测了状金属蛋白酶9 (MMP9) 在质母细胞瘤 (GBM) 中的表达. 这种MMP9病理学模型在预测GBM患者的预后和生存结果方面显示出高准确性.
科学领域:
- 在瘤学瘤学.
- 无线电学 (Radiomics) 是一种无线电学.
- 计算病理学计算病理学
背景情况:
- 矩阵金属蛋白酶9 (MMP9) 与质母细胞瘤 (GBM) 的发展有关.
- 了解MMP9的作用对于改善GBM预后至关重要.
研究的目的:
- 开发一种病理学模型,用于预测MMP9在GBM中的表达.
- 调查MMP9在GBM患者的预后意义.
主要方法:
- 使用PyRadiomics分析了127名GBM患者的整体幻灯片图像.
- 机器学习模型 (SVM,LR) 被训练来预测MMP9表达.
- 预后意义通过卡普兰-梅尔和考克斯回归分析来评估.
主要成果:
- 病理学模型实现了高预测性能 (AUC高达0.828).
- 在GBM中,MMP9表达升高,并作为一个独立的预后因素.
- 病理学得分与整体生存率有显著的相关性.
结论:
- 病理学是一种可行的方法,可以预测MMP9在GBM中的表达.
- 开发的模型准确预测了GBM患者的预后,并可以指导治疗策略.
