使用基础模型预测乳腺癌数字病理学的诺丁汉等级

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• 诺丁汉组织学等级对于乳腺癌严重程度评估和预后至关重要.
• 目前的分级方法是主观的,耗时的,容易引起观察者之间的变化.

研究的目的:

• 开发一种基于人工智能的模型,用于从全幻灯片图像中自动对乳腺癌进行诺丁汉分级.
• 克服传统的主观评分系统的局限性.

主要方法:

• 使用病理学基础模型和14个多个实例学习算法开发了一个AI模型.
• 在TCGA数据库中的521张H&E染色乳腺癌幻灯片上训练并验证了该模型.
• 在另外597个病例中进一步验证了临床实用性.

主要成果:

• 最好的模型获得了0.731的F1得分和0.835.83的多类AUC.
• 基因表达分析揭示了与细胞分裂和染色体分离相关的途径.
• 预测的成绩与5年总生存率有统计学意义的关联.

结论:

• 由人工智能驱动的诺丁汉自动分级系统为乳腺癌评估提供了一种高效和可重复的工具.
• 这个系统有可能在临床实践中标准化组织学分级.