深度学习识别了与烟雾暴露状况相关的膀癌的组织病理变化.

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:

• 吸烟是已知的膀癌 (BC) 的风险因素之一.
• 结核细胞组织学与吸烟状况之间的关系尚不清楚.

研究的目的:

• 调查膀癌组织学图像是否可以预测吸烟暴露状态.
• 开发和验证这种预测的深度学习模型.

主要方法:

• 在66个BC病例的全幻灯片组织学图像上训练了一个深度学习模型.
• 该模型在94个BC病例上进行了外部验证,使用AUC评估预测准确度.
• 对BC等级,性别,年龄和诊断时间进行控制的多变量分析.

主要成果:

• 该模型在外部验证中获得了0.67的AUC (95%CI:0.58-0.76),表明非随机分类.
• 该模型独立地预测了吸烟暴露状态,赔率比为1.710 (95% CI: 1.148-2.54).
• 鉴定出了预测吸烟状态的组织学模式.

结论:

• 深度学习可以识别膀癌中与吸烟暴露相关的组织病理特征.
• 基于组织学的吸烟状况预测可能提供有价值的临床信息.