人工智能模型在清细胞细胞癌的病理阶段和预后中的应用

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 清细胞细胞癌 (ccRCC) 的诊断和分期对于患者的管理至关重要.
• 精确的ccRCC病理阶段测定对于确定预后和治疗策略至关重要.
• 现有的ccRCC分期方法可以从先进的计算方法中受益.

研究的目的:

• 开发和验证深度学习 (DL) 模型,以使用全幻灯片图像 (WSI) 预测ccRCC的病态阶段.
• 构建和评估基于DL提取特征的预后风险模型,用于ccRCC患者的生存率.
• 评估DL在改善ccRCC诊断和预后方面的临床实用性.

主要方法:

• 从癌症基因组图谱 (TCGA) 中获得了513名ccRCC患者的全幻灯片遗传学图像.
• 使用CLAM算法开发了一个DL模型,并在培训 (80%) 和内部/外部验证集上进行了验证.
• 提取了DL特征,以构建预后风险模型,评估整体生存预测.

主要成果:

• 该DL模型表现出ccRCC病理阶段的优异预测能力,达到0.875的AUC和0.809.9的准确性.
• 预后风险模型发现高风险ccRCC患者的总生存率明显较低 (P=0.003).
• 预后模型实现了AUC为0.68,0.69和0.69,分别预测1年,3年和5年生存率.

结论:

• 深度学习模型可以从基因病理图像准确地预测ccRCC的病理阶段.
• 来自DL的预后模型为ccRCC患者的生存率和风险分层提供了宝贵的见解.
• 这种人工智能驱动的方法为ccRCC的临床诊断和管理提供了有希望的参考.