基于人工智能的前列腺癌风险分层的数字组织学分类器:在接受激进前列腺切除术治疗的患者中进行独立的盲定验证

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 人工智能 (AI) 工具分析前列腺癌 (CaP) 的数字化全幻灯片图像 (WSI),以预测患者的结果.
• 评估人工智能驱动的预后测试的临床有效性对于将其纳入临床实践至关重要.

研究的目的:

• 为了评估人工智能支持的预后测试的临床有效性,PATHOMIQ_PRAD.
• 为了评估PATHOMIQ_PRAD在克利夫兰诊所前列腺癌风险分层的临床队列中的表现.

主要方法:

• 在没有辅助治疗的情况下,对344名前列腺切除术患者 (2009-2022) 的回顾性分析.
• 使用PATHOMIQ_PRAD评分,根据生物化学复发和远程转移的值,将患者分为高风险和低风险类别.
• 与破解基因组测试进行对预后准确性的比较.

主要成果:

• PATHOMIQ_PRAD得分与生化无复发生存率 (P <.001) 和无转移生存率 (P <.001) 显著相关.
• 高PATHOMIQ_PRAD评分 (>0.55) 与远程转移有很强的关联 (HR,10.10;P = .0284),即使事件发生率低.
• 人工智能测试在预测结果方面显示出与 Decipher 相同或更高的性能.

结论:

• PATHOMIQ_PRAD被独立验证为前列腺切除术后前列腺癌患者临床风险的可靠预测指标.
• 这些发现支持对PATHOMIQ_PRAD进行风险分层和指导辅助或救援疗法选择的前性评估.