使用治疗前活检图像预测克罗恩病中乌斯特基努马布治疗反应
Chengfei Cai1,2,3, Ruidong Chen4, Jieyu Chen5
1Jiangsu Key Laboratory of Intelligent Medical Image Computing, School of Artificial Intelligence, Nanjing University of Information Science and Technology, Nanjing 210044, China.
通过分析全幻灯片图像 (WSIs) 的新深度学习框架,预测克罗恩病 (CD) 对乌斯特基努马布 (UST) 的治疗反应得到了改进. 这种方法准确地识别出可能对治疗有反应的患者,有助于个性化医学.
科学领域:
- 计算病理学计算病理学
- 数字医学 数字医学
- 免疫组织化学 免疫组织化学
背景情况:
- 克罗恩氏病 (CD) 对乌斯特基努马布 (UST) 的治疗反应有显著的差异.
- 预测个体反应是具有挑战性的,因为缺乏可靠的基因病理生物标志物.
- 现有的全幻灯片图像 (WSI) 深度学习模型在区域选择和整合患者级预测证据方面存在困难.
研究的目的:
- 开发一种用于预测CD患者UST治疗反应的新框架,使用治疗前的WSIs.
- 通过将局部组织学特征与全球组织背景相结合,提高预测准确性.
- 为个性化治疗策略提供可解释和可扩展的工具.
主要方法:
- 开发了一个以集群增强的弱监督学习框架.
- 来自WSIs的补丁使用预训练的视觉基础模型进行编码,并聚集 (k-means) 来识别形态模式.
- 基于DenseNet的分类器与Grad-CAM被用于歧视性补丁选择和可解释性.
- 多实例学习集成的补丁级预测使用直方图和词袋,用于整个幻灯片的特征提取.
- 一个最终的分类器被训练在整个幻灯片的特征响应预测.
主要成果:
- 拟议的WSI级模型在一个独立的测试集上取得了卓越的预测性能.
- 关键性能指标包括AUC为0.938 (95%CI:0.879-0.996),灵敏度为0.951,特异性为0.825.
- 该模型的表现优于基线补丁级预测模型.
- 该框架展示了准确,可解释和可扩展的预测能力.
结论:
- 开发的框架准确地从整个幻灯片图像中预测克罗恩病患者的乌斯特基努马布治疗反应.
- 这种方法为临床环境中个性化治疗策略提供了一个有前途的工具.
- 该方法提高了免疫介导疾病的计算病理学中的解释性和可扩展性.
更多相关视频
07:38Multimodal Quantitative Phase Imaging with Digital Holographic Microscopy Accurately Assesses Intestinal Inflammation and Epithelial Wound Healing
Published on: September 13, 2016
09:08Investigating Target Gene Function in a CD40 Agonistic Antibody-induced Colitis Model using CRISPR/Cas9-based Technologies
Published on: June 2, 2021
相关概念视频
Drugs for Treatment of Crohn's Disease in IBD Using Biologic Agents: Anti-TNF
Drugs for Treatment of Crohn's Disease in IBD Using Immunomodulatory Agents
Drugs for Treatment of Crohn's Disease in IBD Using Glucocorticoids
