一个人工智能-数字病理学算法预测了从前列腺,肺部,结肠直肠和卵巢癌试验中进行激进前列腺切除术后的生存率

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 仅仅临床变量就对激进前列腺切除术 (RP) 后复发的预测能力有限.
• 数字组织病理学图像为前列腺癌的预测建模提供了丰富的数据来源.
• 以前的多式人工智能 (MMAI) 模型是使用活检样本开发的,用于辐射治疗规划.

研究的目的:

• 评估最初在前列腺活检样本上训练的锁定MMAI算法的预测能力,用于前列腺癌特异性死亡率 (PCSM) 和接受RP的患者的整体存活率 (OS).
• 评估为放射治疗开发的MMAI模型是否可以重新用于预测手术治疗前列腺癌患者的结果.

主要方法:

• 利用来自前列腺,肺,结肠直肠和卵巢癌查随机对照试验的患者子组与数字化RP标本和生存数据.
• 应用锁定MMAI算法用于PCSM和远程转移 (DM) 预测,最初是在活检幻灯片上训练的.
• 采用Cox比例危险建模和Kaplan-Meier生存分析来评估预测的准确性.

主要成果:

• 分析了接受RP的1032名患者,随访时间中位数为17年.
• 对于PCSM和DM的MMAI算法显著预测了PCSM (HRs>1.9,P <.001).
• 这两种MMAI模型也显著预测了整体存活率 (OS) (HRs > 1.19,P < .04).

结论:

• 在活检样本上训练的锁定MMAI算法在应用到RP样本时成功预测了临床结果 (PCSM和OS).
• 这些发现表明,MMAI模型可以成为预测手术治疗前列腺癌患者的结果的宝贵工具.
• MMAI和其他生物标志物可能有助于选择患者进行强化术后治疗,如安卓素剥夺疗法或放射治疗.