细胞衰老预测良性乳腺疾病的乳腺癌风险 活检图像 细胞衰老预测良性乳腺癌的风险
Indra Heckenbach1, Rita Peila2, Christopher Benz3
1Center for Healthy Aging, Department of Cellular and Molecular Medicine, University of Copenhagen, Copenhagen, Denmark.
Breast cancer research : BCR
|March 12, 2025
概括
深度学习模型可以通过分析组织样本中的细胞衰老来预测患有良性乳腺疾病的女性的侵入性乳腺癌风险. 较高的衰老分数表明风险增加,有助于早期检测和风险评估.
科学领域:
- 在瘤学瘤学.
- 生物病理学 生物病理学
- 计算生物学 计算生物学
背景情况:
- 每年有数以百万计的妇女接受乳腺活检,80%的结果对恶性瘤是负面的.
- 良性乳腺疾病 (BBD) 可以提高侵入性乳腺癌 (IBC) 的风险.
- 细胞衰老在乳腺癌中的作用是复杂的,需要进一步研究预后价值.
研究的目的:
- 调查细胞衰老在预测BBD妇女IBC风险的预后价值.
- 开发和应用深度学习模型来量化乳腺组织的衰老.
主要方法:
- 一个病例控制研究嵌在15,395名患有BBD的女性队列中.
- 深度学习模型通过复制性衰老 (RS) 和电离辐射 (IR) 进行训练,以从H&E染色活检图像中预测衰老.
- 后勤回归分析用于估计IBC风险的几率比率 (OR) 和95%置信区间 (CI).
主要成果:
- 脂肪和上皮组织中的RS和IR衍生的衰老得分与IBC风险有关.
- 在绝经后的妇女和患上上皮质增生症的妇女中,相关性更强.
- 在表皮和脂肪组织中结合老化得分较高的个体中观察到IBC风险升高.
结论:
- 基于深度学习的乳腺上皮和脂肪组织的核衰老得分可以预测BBD妇女的IBC风险.
- 衰老评分为被诊断患有良性乳腺疾病的女性风险分层提供了潜在的工具.
