多式人工智能模型用于使用整张幻灯片图像进行手术前预测乳腺癌中带淋巴结转移
Doohyun Park1, Yong-Moon Lee2, Taejoon Eo1,3
1School of Electrical and Electronic Engineering, Yonsei University, Seoul, Republic of Korea.
NPJ precision oncology
|May 6, 2025
概括
一个新的AI模型,METACANS,整合了整个幻灯片图像和临床病理学数据,以预测乳腺癌中带淋巴结转移. 这种多式模式的方法对手术前阶段进行了有前途的预测,识别了关键的病理模式.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 从初级瘤活检中预测状淋巴结 (ALN) 转移对于乳腺癌管理至关重要.
- 目前的方法面临挑战,使用全幻灯片图像 (WSIs) 预测ALN转移是病理学家尚未探索的领域.
研究的目的:
- 开发和验证一种多式人工智能 (AI) 模型,METACANS,用于预测乳腺癌中ALN转移.
- 将WSIs与临床病理特征集成,以提高预测准确度.
主要方法:
- 开发了一种多式人工智能模型METACANS,集成了WSI和临床病理特征.
- 该模型在1991个案例中进行了训练,并在5个队列中进行了外部验证,共计2166例.
主要成果:
- 在验证队列中,METACANS实现了0.733的曲线下的面积 (AUC).
- 该模型显示了0.846的负预测值和0.820的灵敏度.
- 确定了与转移状态相关的病理模式,如微毛囊生长,透模式和亡.
结论:
- METACANS证明了多式人工智能的可行性,用于乳腺癌的手术前关分期.
- 虽然该模型尚未准备用于即时的临床应用,但它显示了改善乳腺癌管理的潜力.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.0K