基于层次基础模型预测子宫内膜癌的分子亚型

科学领域:

• 计算病理学计算病理学
• 妇科瘤学 妇科瘤学
• 生物医学成像分析分析

背景情况:

• 子宫内膜癌的诊断依赖于识别分子亚型,这对治疗至关重要.
• 目前的亚型识别使用昂贵的基因测序,这给可访问性带来了挑战.
• 存在四种不同的分子亚型:POLE突变,不匹配修复缺陷,p53异常和没有特定的分子形状.

研究的目的:

• 提出一种新的,具有成本效益的方法来预测子宫内膜癌分子亚型.
• 为了利用血素和素 (H&E) 染色的整片图像进行亚型预测.
• 在成本和时间方面克服传统基因测序的局限性.

主要方法:

• 采用了从UNI计算病理学基础模型中微调的等级基础模型.
• 该模型从H&E整个幻灯片图像中提取多个尺度的组织嵌入.
• 实验对来自丹大学上海癌症中心的364名患者进行了试验.

主要成果:

• 该模型在五次交叉验证中获得了0.879 (95% CI,0.853-0.904) 的宏观平均AUROC.
• 与最先进的技术相比,拟议的方法显示出更高的预测准确性和计算效率.
• 观察到高可复制性,促进了潜在的广泛采用.

结论:

• 这种基于图像的方法为子宫内膜癌分子亚型测序的基因测序提供了可靠和可访问的替代方案.
• 该方法有可能显著改善子宫内膜癌的诊断和患者的治疗结果.
• 该研究解决了在临床实践中有效和负担得起的分子亚型化的需求.