基于人工智能的核分级状态的多式预测和清细胞细胞癌的预后:一个多中心队列研究
Qingyuan Zheng1,2, Haonan Mei1,2, Xiaodong Weng1,2
1Department of Urology, Renmin Hospital of Wuhan University, Wuhan, Hubei, China.
International journal of surgery (London, England)
|March 27, 2025
概括
一个新的多式预测签名 (MPS) 准确地使用AI对清细胞细胞癌 (ccRCC) 进行分级. 该工具有助于精确核分级,并为ccRCC患者的术后辅助治疗决策提供信息.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 病理学 病理学 病理学
背景情况:
- 准确的国际泌尿病学学会 (ISUP) 核分级对于清细胞细胞癌 (ccRCC) 管理至关重要.
- 目前的分级影响治疗和预后,需要改进分层方法.
研究的目的:
- 在ccRCC中评估ISUP分级和预后分层的综合多式联络方法.
- 开发一个指导术后辅助治疗决策的工具.
主要方法:
- 在三个队列中对729名ccRCC患者进行了回顾性分析.
- 人工智能从整个幻灯片图像 (病理学) 和计算机断层扫描 (CT) 扫描中提取的特征.
- 开发和验证结合CT和病理学数据的多式预测签名 (MPS).
主要成果:
- 在ISUP分级中,MPS模型实现了高精度,AUC值为0.95,0.93和0.95.
- 在MPS中,患者的整体存活率较差,在外部验证中显示出显著的危险比率.
- MPS的表现优于单一模式模型,提高了ccRCC辅助治疗的风险分层.
结论:
- 新的MPS模型在ccRCC中显示ISUP分级的高精度.
- MPS是精确核分级和临床决策的有效工具.
- 建议进行进一步的多中心验证,以获得广泛的临床采用.
