基于整张幻灯片图像的预后预测直肠癌使用无监督的人工智能

科学领域:

• 计算病理学计算病理学
• 人工智能在瘤学中的应用
• 数字病理学数字病理学

背景情况:

• 结直肠癌缺乏有效的预后标志物.
• 计算病理学为标记物开发提供了新的方法.
• 预测无进展生存 (PFS) 对直肠癌管理至关重要.

研究的目的:

• 构建一个预后签名,用于直肠癌PFS预测.
• 在整个幻灯片图像上使用无监督的人工智能.
• 从瘤特征中识别出新的预后标志物.

主要方法:

• 使用转移学习开发了一种瘤检测模型.
• 使用卷积自编码器从瘤补丁中进行深度特征提取.
• 集群瘤补丁和每个集群 (PCF) 的计算百分比用于签名构造.
• 使用考克斯回归和嵌套交叉验证验证了签名.

主要成果:

• 瘤检测准确率达到99.3%.
• 确定了一个最佳的9个集群模型,形成9个PCF.
• 预后签名在验证队列中实现了0.701的一致性指数.
• 卡普兰-梅尔曲线显示出良好的风险分层能力.

结论:

• 开发的预后特征有效地预测了直肠癌中的PFS.
• 生物信息分析确定了PCF相关的基因和丰富的途径.
• 这种由人工智能驱动的方法有可能在直肠癌护理中进行临床转化.