用人工智能评估瘤细胞核大小对食道状细胞癌的预后影响

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:

• 瘤细胞核大小 (NS) 是乳腺癌恶性瘤的一个已知的指标.
• 在食道状细胞癌 (ESCC) 中NS的预后价值仍然未确立.
• 人工智能 (AI) 为定量病理学分析提供了先进的功能.

研究的目的:

• 利用人工智能来测量ESCC中的NS.
• 确定AI评估的NS在ESCC患者中的临床意义和预后价值.
• 调查NS和患者生存结果之间的相关性.

主要方法:

• 数字化了来自138名ESCC患者最深的瘤部分的血素和素染色幻灯片.
• 开发一个深度学习分类器 (HALO-AI DenseNet v2) 来识别NS>20μm2的瘤细胞.
• 根据生存分析的中位数NS (40.14μm2) 将患者分为NS高和NS低组进行分层.

主要成果:

• 与NS低组相比,高NS组患者的5年整体存活率 (OS) 和无复发存活率 (RFS) 显着较低.
• 多变量分析确定了较大的瘤深度和NS-高状态作为所有患者和接受新辅助化疗的患者中OS的独立风险因素.
• 高NS组显示出增加的异糖性,更高的AI量化Ki-67表达,以及更大的NS异质性.

结论:

• 人工智能评估的瘤细胞核大小是ESCC的一个简单而有效的预后生物标志物.
• 升高的NS与ESCC的不良预后和侵略性瘤特征有关.
• 这种人工智能驱动的方法为指导ESCC的临床管理提供了有价值的预后信息.