基于深度学习的淋巴结转移状态预测了肌肉侵入性膀癌的预后
Qingyuan Zheng1,2, Panpan Jiao1,2, Rui Yang1,2
1Department of Urology, Renmin Hospital of Wuhan University, 99 Zhang Zhi-dong Road, Wuhan, Hubei, 430060, P.R. China.
World journal of urology
|January 10, 2025
概括
一个深度学习模型使用初级瘤图像预测肌肉侵入性膀癌中的淋巴结转移. 模型的预测得分也表明了患者的生存率,为个性化管理提供了潜在的可能性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 肌肉侵入性膀癌 (MIBC) 需要准确的治疗阶段.
- 淋巴结转移 (LNM) 是MIBC的关键预后因素.
- 目前用于LNM评估的方法可能是侵入性的,可能无法捕获所有预后信息.
研究的目的:
- 开发一种深度学习 (DL) 模型,使用原发性瘤组织学预测MIBC中的LNM状态.
- 在MIBC患者中验证DL模型衍生aiN得分的预后值.
主要方法:
- 利用来自癌症基因组图谱 (TCGA) 的323名MIBC患者的数据集进行培训和内部验证.
- 使用UNI视觉编码器提取的图像特征.
- 在武汉大学仁明医院 (RHWU) 的139名MIBC患者进行了外部验证.
主要成果:
- 对于LNM预测,DL模型实现了0.79 (内部) 和0.72 (外部) 的AUC.
- 在TCGA (HR=1.608) 和RHWU (HR=2.746) 队列中,aiN得分独立预测了生存率.
- aiN得分的预后值在各种患者亚组中是一致的.
结论:
- 基于DL的H&E染色组织学分析可以预测MIBC中的LNM状态.
- 来自DL模型的aiN得分对MIBC患者具有显著的预后价值.
- 这种方法可以促进MIBC的个性化管理策略,等待进一步的潜在验证.
