使用H&E染色卵巢癌幻灯片的深度学习预测PARP抑制剂的益处
Frederik Marmé1, Eva I Krieghoff-Henning2, Lennard Kiehl2
1University Hospital Mannheim, Department of Obstetrics and Gynaecology, Medical Faculty Mannheim, Heidelberg University, Mannheim, Germany and DKFZ-Hector Cancer Institute at the University Medical Center Mannheim, Mannheim, Germany.
European journal of cancer (Oxford, England : 1990)
|January 1, 2025
概括
分析整个幻灯片图像的深度学习模型可以预测卵巢癌患者从PARP抑制剂中获益. 这种基于图像的方法对识别将从治疗中受益的患者具有前景,可能简化当前复杂的HRD测试.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 基因组学就是基因组学.
背景情况:
- 卵巢癌患者患有同源复合缺陷 (HRD) 通常受益于聚氨酸二酸聚合酶 (PARP) 抑制剂维持疗法.
- 目前的HRD状态分析依赖于复杂的分子测试,因此需要更快,更便宜的替代品.
研究的目的:
- 开发和测试一种深度学习 (DL) 模型,用于预测HRD状态和PARP抑制剂,直接从组织学整片图像 (WSI) 中获益.
- 评估模型的性能与既定的人力资源发展分类器和独立队列中的临床结果相比.
主要方法:
- 一个DL模型被训练在H&E染色WSIs使用"缩小的心脏" (SC) 基于HRD地面真相从AGO-TR1队列 (n=208).
- 该模型预测HRD的能力被测试在PAOLA-1队列 (n=447) 中使用Myriad分类器和olaparib益处以盲目的方式进行测试.
主要成果:
- 该模型在外部人力资源发展预测方面实现了57%的AUROC,低于保留数据的72%.
- 卡普兰-梅尔分析表明,PARP抑制剂治疗的患者的无进展生存期 (PFS) 显著改善,该模型将其归类为HRD阳性.
- 在模型的HRD阳性组中,PFS的改善时间要长得多,这表明生物相关性.
结论:
- 通过DL介导的WSI分析显示,可以预测PARP抑制剂在卵巢癌中的益处.
- 需要对更大的队列进行进一步的研究和方法的改进,以便在独立患者队列中获得临床有用的准确性.
更多相关视频
10:27Testing Targeted Therapies in Cancer using Structural DNA Alteration Analysis and Patient-Derived Xenografts
Published on: July 25, 2020
7.2K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K