人工智能模型预测M2巨细胞水平和HCC预后,仅使用全球标记的病理图像

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• M2巨细胞水平对于肝细胞癌 (HCC) 的预后至关重要.
• 目前的临床检测方法对M2巨细胞在HCC具有挑战性.
• 准确预测M2巨细胞水平对于患者的治疗结果至关重要.

研究的目的:

• 开发一种弱监督的人工智能 (AI) 模型,用于预测HCC中M2巨细胞水平.
• 通过整合预测的M2巨细胞水平和临床特征来预测HCC患者的预后.
• 建立一种新的,高效的生物标志物评估方法和HCC的预后预测.

主要方法:

• 使用CIBERSORTx来量化M2巨细胞的数量.
• 为整个幻灯片图像 (WSI) 开发了一个幻灯片级,弱监督的集群方法,将掩盖自动编码器 (MAE) 与ResNet-32t集成在一起.
• 综合预测的M2巨细胞水平与临床数据,使用拉索回归来选择变量.

主要成果:

• MAE-ResNet模型实现了0.73的AUC,用于预测M2巨水平.
• 预测较高的M2巨丰度与HCC预后有负相关性 (HR=1.89,p=0.031).
• 一个综合临床数据的综合模型显著改善了预后预测 (HR=2.359,p=0.001).

结论:

• 开发的AI模型准确地预测M2巨细胞水平和HCC预后.
• 这种方法为生物标志物评估和预后预测提供了一种新的方法.
• 这些模型通过潜在地消除对额外临床试验的需求,提供了实质性的临床益处.