在cT1-2N0舌状细胞癌中预测淋巴结复发:人工智能和病理学家之间的合作

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 人工智能在医学中的应用

背景情况:

• 淋巴结的复发是舌头状细胞癌 (SCC) 预后的一个关键因素.
• 在早期 (cT1-2N0) 舌头SCC中淋巴结复发的预测模型是有限的,特别是那些整合不同的数据类型的模型.

研究的目的:

• 在cT1-2N0舌头SCC中开发淋巴结复发的高度准确的预测模型.
• 整合人工智能 (AI) 提取的基因病理学数据与人类评估的临床病理学信息.

主要方法:

• 使用了148名患有cT1-2N0舌头SCC的患者的数据集,分为训练和测试集.
• 预测模型是使用人工智能在整个幻灯片图像 (WSIs),临床病理学数据和两者的组合上构建的.
• 用于WSIs的弱监督学习和用于临床病理数据的机器学习.

主要成果:

• 组合模型实现了0.991的ROC曲线下的面积 (AUC),显著优于仅使用WSI (0.826) 或临床病理数据 (0.835) 的模型.
• 对高预测性补丁的组织病理学分析显示,在复发病例中,瘤细胞,炎症细胞和肌肉含量增加.
• 混合炎症细胞,瘤细胞和肌肉在复发与非复发病例中更为普遍.

结论:

• 将人工智能衍生出的遗传病理特征与临床病理信息相结合,可以创建一个非常准确的模型,用于预测cT1-2N0舌头SCC中的淋巴结复发.
• 这种综合方法为改善舌头SCC风险分层和临床管理提供了一个强大的工具.