使用病理学生物标志物预测贝瓦西祖马布在卵巢癌治疗中的有效性

科学领域:

• 数字病理学数字病理学
• 计算瘤学是一种计算瘤学.
• 生物医学图像分析

背景情况:

• 组织病理学幻灯片含有通过手动检查无法看到的预后信息.
• 预测卵巢癌治疗的有效性仍然是一个挑战.
• 病理学提供了一种新的方法来量化图像数据以获得临床见解.

研究的目的:

• 开发和评估一种定量图像分析方案,用于预测贝瓦西祖马布治疗在卵巢癌中的有效性.
• 利用病理学技术从基因病理学图像中提取预测特征.
• 构建和评估用于预测治疗反应的机器学习模型.

主要方法:

• 从细分的瘤组织,细胞核和细胞质中提取9828个特征 (几何,强度,纹理,亚细胞).
• 选择基于支持矢量机 (SVM) 的预测模型的最佳特性.
• 对78名卵巢癌患者和288个整片图像的开放数据集的模型评估.

主要成果:

• 性能最好的SVM模型实现了接收器操作特征 (ROC) 曲线下的面积为0.8312.
• 该模型正确预测了响应者 (37例) 和非响应者 (25例),总体准确率为0.7848.
• 已证明病理学的可行性,用于早期预测化疗反应.

结论:

• 基于病理学的定量图像分析是预测卵巢癌治疗反应的可行方法.
• 这种方法可以为瘤进展和预后提供宝贵的见解.
• 对于个性化癌症治疗的临床应用,需要进一步验证.