人工智能驱动的瘤-肌瘤比率和纤维细胞的量化,使得能够精确地分类肌瘤的质量和数量,预测结肠直肠癌的复发

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 数字健康数字健康

背景情况:

• 瘤微环境显著影响结直肠癌 (CRC) 的进展和预后.
• 瘤-肌瘤比率 (TSR) 和与癌症相关的纤维细胞 (CAF) 是CRC的关键预后标志物.
• 目前评估TSR和CAF的方法是主观的,耗时的.

研究的目的:

• 使用人工智能在结直肠癌 (CRC) 患者中客观量化TSR和CAF密度.
• 评估AI衍生的TSR和CAF密度对无病生存 (DFS) 的预后价值.
• 评估基于AI的标记物在完善CRC患者风险分层方面的潜力.

主要方法:

• 使用基于人工智能的全幻灯片图像分析平台 (Lunit SCOPE IO).
• 从207名未经治疗的CRCII和III期患者的组织样本中量化TSR和CAF密度.
• 与无疾病生存率 (DFS) 相关联的AI衍生标记.

主要成果:

• 人工智能衍生的TSR (p < 0.0001) 和CAF密度 (p = 0.017) 都与DFS独立相关.
• 与传统因素相比,人工智能衍生标记显示出更高的预后性能.
• 将AI标记物与现有标准集成,改善了高风险患者的重新分类和DFS预测.

结论:

• 使用人工智能对TSR和CAF密度的基因病理定量提高了CRC的预后准确性.
• 基于人工智能的病理学提供了一个有前途的工具来完善临床实践中的风险分层.
• 研究结果支持将人工智能整合到病理学中,以提高诊断精度和患者管理.