基于H&E染色组织病理学深度学习的HER2状态的预测 膀癌的图像

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:

• 表皮生长因子受体2 (HER2) 是膀癌免疫疗法的关键标.
• 准确和快速的诊断对于个性化膀癌治疗至关重要.

研究的目的:

• 开发和验证一种深度学习模型,用于使用H&E染色病理图像预测膀癌中HER2表达状态.
• 与传统的诊断方法和病理学家相比,评估模型的性能.

主要方法:

• 应用深度学习技术来分析H&E染色膀癌病理图像.
• 从106个病例的队列中对验证和测试数据集进行严格的测试.
• 与人类病理学家的直接性能比较.

主要成果:

• 该模型在验证集 (AUC:0.92,准确度:0.86) 上取得了高性能,在测试集 (AUC:0.88,准确度:0.67) 上取得了有希望的结果.
• 与病理学家相比,深度学习模型在统计学上表现优越 (p < 0.05).
• 这种方法绕过了复杂的IHC染色或测序的需要.

结论:

• 应用到H&E图像的深度学习为预测膀癌中HER2表达提供了快速而准确的方法.
• 开发的模型显示了作为个性化膀癌诊断和治疗策略的有价值工具的潜力.