下一代肺癌病理学:开发和验证诊断和预后算法
Carina Kludt1, Yuan Wang1, Waleed Ahmad1
1Institute of Pathology, University Hospital Cologne, 50937 Cologne, Germany.
Cell reports. Medicine
|August 23, 2024
概括
一个新的计算病理学平台有助于非小细胞肺癌 (NSCLC) 的诊断和预后. 来自H&E幻灯片的AI衍生参数为个性化患者护理提供了精确的风险分层.
科学领域:
- 计算病理学计算病理学
- 在瘤学瘤学.
- 医学中的人工智能
背景情况:
- 非小细胞肺癌 (NSCLC) 是癌症相关死亡的主要原因.
- 准确的亚型和预后评估对于优化NSCLC患者护理至关重要.
- 目前的方法可能缺乏个性化治疗策略所需的精度和定量分析.
研究的目的:
- 开发一个用于NSCLC分析的多功能计算病理学平台.
- 创建和验证用于NSCLC亚型和预后参数导出的算法.
- 通过优化诊断和风险分层来增强患者护理.
主要方法:
- 在手动注释的肺腺癌和状细胞癌的全幻灯片图像上训练一个多类组织细分算法.
- 在大型,多机构,国际队列上开发和验证NSCLC亚型算法.
- 创建基于三级淋巴细胞结构和亡评估的四个AI衍生,可解释的定量预后参数.
主要成果:
- 一个高精度的计算平台,用于 H&E 染色的 NSCLC 幻灯片的定量分析.
- 在各种数据集中验证了NSCLC亚型算法.
- 确定了四个AI衍生的预后参数,证明了强大的和独立的患者风险分层能力.
结论:
- 开发的计算病理学平台为NSCLC患者护理提供了即时的价值.
- 人工智能衍生的预后参数使得NSCLC患者的准确和独立风险分层成为可能.
- 该平台作为未来精密瘤学下游应用的基础.


