以下一代测序为基础的深度学习模型,用于预测HER2状态和对HER2向新辅助化疗的反应
Jia Wang1, Ge Gao2, Cong Tian1
1Department of Breast Disease, Henan Breast Cancer Center, The Affiliated Cancer Hospital of Zhengzhou University and Henan Cancer Hospital, 127 Dongming Road, Zhengzhou, 450008, China.
Journal of cancer research and clinical oncology
|February 9, 2025
概括
一个深度学习模型从IHC图像中准确地识别了人体表皮生长因子2 (HER2) 放大,改善了乳腺癌的预后和治疗预测. 这种人工智能工具帮助病理学家评估针对性治疗的HER2状态.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 人体表皮生长因子2 (HER2) 放大对于乳腺癌预后和治疗决策至关重要.
- 准确而高效的HER2状态检测对于个性化医学至关重要.
研究的目的:
- 开发一种深度学习模型,使用IHC图像准确检测HER2放大状态.
- 应用该模型来预测HER2阳性乳腺癌患者的新辅助疗法疗效.
主要方法:
- 一个视觉转换器 (ViT) 深度学习模型是使用IHC图像和下一代测序 (NGS) 数据从606名乳腺癌患者开发的.
- 该模型经过训练和验证以识别HER2放大,NGS结果作为基本真相.
- 该模型的性能被评估为预测新辅助疗法在399名HER2阳性患者的疗效.
主要成果:
- ViT模型在从IHC图像中识别HER2放大时达到93.1%的准确性.
- 最常发生突变的基因是TP53,ERBB2和PIK3CA.
- 该模型与临床数据相结合,显示AUC为0.855 (训练) 和0.841 (测试),用于预测新辅助疗法的疗效.
结论:
- 基于IHC图像的新型深度学习方法提高了HER2状态识别效率和准确性.
- 该模型显示了在HER2阳性乳腺癌中预测新辅助疗法反应的潜力.
- 这种人工智能工具旨在支持病理学家进行HER2放大评估,以改善患者护理.
