深度学习检测了早期食道癌的侵入性和非侵入性区域之间的组织学差异
Akiko Urabe1,2, Masahiro Adachi1, Naoya Sakamoto3
1Department of Pathology and Clinical Laboratories, National Cancer Center Hospital East, Kashiwa, Chiba, Japan.
Cancer science
|December 18, 2024
概括
人工智能 (AI) 在早期食道癌症中发现了明显的形态差异. 与非侵入性区域相比,侵入性区域显示出显著增加的血管性,与非侵入性区域相比,更多和更大的血管.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 医疗成像医学成像
背景情况:
- 早期食道癌的预后在很大程度上取决于侵袭深度.
- 侵袭性区域的机制和形态变化仍然不太清楚.
研究的目的:
- 使用人工智能探索早期食道癌中侵袭性和非侵袭性区域之间的形态差异.
- 为了确定癌症入侵的潜在机制.
主要方法:
- 对75例食道状细胞癌 (ESCC) 患者样本的分析.
- 开发一个集群受约束的注意力多个实例学习 (CLAM) AI模型来预测癌症的深度.
- 在来自侵袭性和非侵袭性区域的表面组织学图像上训练AI模型.
主要成果:
- 人工智能模型实现了0.869的AUC和0.788.78的准确性.
- 人工智能识别的侵袭性区域 (粘膜下侵袭) 比非侵袭性区域 (上皮) 具有显著更大的血管性.
- 侵袭性补丁显示血管数量和大小增加,红细胞数量增加 (p < 0.001).
结论:
- 人工智能可以有效地区分早期食道癌的侵入性和非侵入性区域.
- 增加的血管性是区分侵袭性和非侵袭性食道癌区域的关键形态特征.
