开发一种深度学习系统,用于预测前列腺癌中生化复发的情况
Lu Cao1, Ruimin He1, Ao Zhang2
1Department of Pathology, Tianjin Medical University Cancer Institute and Hospital, National Clinical Research Center for Cancer, Key Laboratory of Cancer Prevention and Therapy, Tianjin's Clinical Research Center for Cancer, Key Laboratory of Breast Cancer Prevention and Therapy, Tianjin Medical University, Ministry of Education, Tianjin, 300060, China.
BMC cancer
|February 10, 2025
概括
一个新的深度学习系统使用活检图像准确地预测前列腺癌 (PCa) 患者的生化复发 (BCR). 这种人工智能驱动的方法有助于开发有针对性的前列腺切除术策略,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 生物化学复发 (BCR) 影响20-40%的前列腺癌前列腺切除术后男性 (PCa).
- 目前的预测方法,比如格里森分级,错过了关键的组织病理细节,限制了预后准确性.
- 需要先进的方法,在手术前更有效地预测BCR风险.
研究的目的:
- 开发和验证使用前列腺活检图像预测PCa BCR的深度学习系统.
- 评估系统在手术前风险分层中的性能和临床效用.
- 探索AI产生的特征与病理发现相关的解释性.
主要方法:
- 利用了来自317名患者的1585张前列腺活检图像.
- 使用Inception_v3神经网络进行补丁级图像分析.
- 应用多个实例学习用于整个幻灯片图像特征提取.
- 集成的深度学习功能与机器学习算法用于患者级预测.
主要成果:
- 人工智能系统在预测BCR方面取得了高性能 (AUC = 0.911).
- 决策曲线分析表明可能有有利的临床益处.
- 随着每位患者整片图像 (WSI) 的数量增加,性能得到了改善.
- 证明了AI特征和病理发现之间的相关性,表明模型可解释性.
结论:
- 深度学习模型可以从前列腺活检样本准确预测BCR风险.
- 这种人工智能驱动的预测有助于制定针对PCa的有针对性的治疗策略.
- 该系统为改善手术前风险评估和患者管理提供了一个有前途的工具.
