从任何格里森得分来预测生化前列腺癌复发的预测,使用坚固的组织结构和临床上可用的信息
Laura E Marin1, Daniel I Zavaleta-Guzman1, Jessyca I Gutierrez-Garcia1
1Institute of Omics Sciences and Applied Biotechnology, Pontificia Universidad Catolica del Peru, Lima, Peru.
Discover oncology
|February 7, 2025
概括
这项研究使用活检图像和PSA水平预测前列腺癌复发. 该模型准确地识别出具有高生物化学复发风险的患者,提供了具有成本效益的诊断工具.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算病理学计算病理学
背景情况:
- 前列腺癌的诊断依赖于活检数据和前列腺特异性抗原 (PSA) 水平.
- 前列腺癌复发的高风险需要改进的预测技术.
- 目前对于前列腺癌复发的评估方法是资源密集的.
研究的目的:
- 在前列腺癌患者中预测生化复发 (BCR).
- 整合整个幻灯片图像 (WSI),格里森得分和PSA水平来预测复发.
- 开发一种成本效益高的方法来评估BCR风险.
主要方法:
- 利用U-net模型对WSI中的表型特征进行细分.
- 在前列腺癌等级评估 (PANDA) 数据库上训练模型.
- 在公共存储库上测试了该模型,在瘤细分方面实现了87%的与欧盟相交.
- 开发了一个使用组织特征,格里森得分和PSA水平的分类器.
主要成果:
- 在从WSI分类瘤区域时,在欧盟实现了87%的交叉点.
- 在格里森分数中对复发风险进行分类时表现出高准确度和精度.
- 该分类器模型在24个月内实现了79.2%的相对准确率和69.7%的复发精度.
结论:
- 组织特征,格里森得分和PSA水平是前列腺癌复发的有效预测因素.
- 开发的方法为预测BCR提供了一种强大且具有成本效益的方法.
- 该策略利用现有信息来改善患者风险分层.
