根据深度学习算法识别胃腺癌的组织病理学分类和预后指标的建立,基于深度学习算法
Zhihui Wang1, Hui Peng2, Jie Wan3
1Department of Ultrasound Imaging, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430101, Hubei, China.
Medical molecular morphology
|August 1, 2024
概括
这项研究开发了一种深度学习模型,从全幻灯片图像中准确预测胃癌亚型,达到90%以上的准确性. 该模型通过分析免疫透和患者结果来帮助临床诊断和预后.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 胃腺癌 (STAD) 是一个重要的全球健康问题.
- 准确的病理分类对于有效的STAD治疗和预后至关重要.
- 全幻灯片图像 (WSIs) 为计算分析提供了丰富的数据.
研究的目的:
- 开发和验证深度学习 (DL) 模型,使用WSIs预测STAD的病理亚型.
- 通过外部验证来评估模型的概括能力.
- 探索DL提取的特征,了解免疫透和患者预后.
主要方法:
- 利用来自癌症基因组图谱 (TCGA) 的356个STAD遗传病学WSIs进行培训,验证和测试 (8:1:1分).
- 整合了80个外部H&E染色的STAD WSIs用于验证.
- 采用CLAM工具进行WSI细分,并应用DL算法进行分类.
主要成果:
- DL模型在预测STAD的基因病理亚型方面达到90%以上的准确性.
- 外部验证证实了该模型的概括能力.
- DL特征揭示了亚型之间的免疫透和患者预后的差异.
结论:
- DL模型准确地预测STAD病理分类,提供临床诊断价值.
- 该模型的提取特征为STAD生物学和患者结果提供了洞察力.
- 一个结合DL签名,基因签名和临床特征的诺米克图作为临床决策的预后分类器.
