基于人工智能的瘤-肌瘤比率量化算法:对原发性结直肠癌的预后作用的全面评估

科学领域:

• 数字病理学数字病理学
• 计算瘤学是一种计算瘤学.
• 癌症生物标志物的发展.

背景情况:

• 瘤-肌瘤比率 (TSR) 是结直肠癌的预后指标,但手动量化受到了观察者之间的变化.
• 准确和客观的TSR评估对于预测原发性结直肠癌患者的结果至关重要.
• 现有的TSR分析方法缺乏自动化和标准化,限制了它们的临床实用性.

研究的目的:

• 开发一种完全自动化的定量算法,用于使用H&E染色组织学切片对结直肠癌进行精确的TSR分析.
• 为了验证自动TSR量化在多个患者队列中的预后值.
• 调查分析面积大小对TSR量化及其预测性能的影响.

主要方法:

• 在H&E幻灯片中开发基于细分的算法,用于对组织类 (瘤细胞,肌瘤,亡,粘素) 的像素智能映射.
• 包括三组独立的I-IV期初级可手术结直肠癌患者队列 (总N=1257).
• 测试三个分析面积大小 (1.0,1.5,2.0毫米) 的最大TSR量化和随后使用考克斯回归进行预后分析.

主要成果:

• 自动化算法实现了组织部件的准确细分和量化,从而实现了客观的TSR评估.
• 最大TSR值取决于分析面积的大小,突出了标准化的需要.
• 1.0毫米的分析面积大小显示出最好的预后性能,TSR独立预测无进展生存率,癌症特异性生存率和整体生存率.

结论:

• 一个完全自动化的,定量和客观的TSR评估工具在初级结直肠癌已经开发和验证.
• 开发的算法提供了独立的预后值,增强了对患者存活率的预测.
• 分析参数的标准化,特别是TSR量化的面积大小,对于一致的预后性能至关重要.