基于数字病理学的多式人工智能分数和随机第三期试验中的结果,该试验针对非转移性割抵抗性前列腺癌男性进行

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能在医学中的应用

背景情况:

• 在SPARTAN试验中确定了阿帕胺在非转移性割抵抗性前列腺癌 (nmCRPC) 的疗效.
• 数字组织病理学为预测临床结果提供了新的途径.
• 多模式人工智能 (MMAI) 算法可以整合各种数据进行预后评估.

研究的目的:

• 应用基于数字遗传病理学的MMAI算法来估计SPARTAN试验队列中的临床结果.
• 评估MMAI作为治疗阿帕胺的nmCRPC患者的预后和预测生物标志物.

主要方法:

• 分析了420nmCRPC患者的数字化血素和欧染色幻灯片.
• 使用数字组织病理学和基线临床数据生成MMAI得分.
• 患者被分为非高风险和高风险的MMAI组;进行了生存分析 (MFS,PFS2,OS).

主要成果:

• MMAI风险评分独立预测了较短的无转移生存期 (MFS),第二次无进展生存期 (PFS2) 和整体生存期 (OS).
• 与非高风险患者相比,接受阿帕胺的MMAI高风险患者在MFS,PFS2和OS中显示出显著的改善.
• 在MMAI风险和治疗臂之间显著的相互作用表明,在MMAI高风险患者中,阿帕胺的益处更大.

结论:

• 在nmCRPC中,MMAI作为预后标志物.
• MMAI可能起到预测性生物标志物的作用,识别那些从阿帕胺中获得最大益处的高风险患者.
• 这项研究代表了MMAI分类器对nmCRPC的首次扩展,突出了需要进一步验证的需要.