基于全幻灯片图像的深度学习完善了肺腺癌的预后和治疗反应评估

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:

• 肺腺癌 (LUAD) 的预后模型需要改进.
• 准确预测复发风险对于患者管理至关重要.

研究的目的:

• 开发和验证一种深度学习模型,用于使用基因病理图像预测LUAD复发风险.
• 评估模型在分层患者预后和指导治疗决策方面的有用性.

主要方法:

• 开发一个深度学习模型,利用基因病理图像.
• 在独立的多中心队列中验证模型.
• 多变量考克斯分析以评估预后意义.

主要成果:

• 深度学习模型有效地将患者分为高风险和低风险组.
• 模型定义的风险组被确定为无疾病存活率的独立预测因素.
• 整合TNM分期确定了高风险II/III期患者,可能受益于辅助化疗.

结论:

• 开发的深度学习模型在LUAD中作为生存分层的有价值的生物标志物.
• 该模型有助于为切除的LUAD患者选择合适的辅助疗法.
• 基于组织病理学的深度学习为个性化的LUAD治疗提供了有前途的方法.