在非小细胞肺癌中准确预测无疾病和整体生存率,使用患者级多式联络弱监督学习

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 数字病理学数字病理学

背景情况:

• 预后预测对于非小细胞肺癌 (NSCLC) 的个性化药物至关重要.
• 人工智能 (AI) 和数字病理学的进步为改善预后准确性提供了新的途径.

研究的目的:

• 开发和验证一种多式人工智能模型,用于预测手术治疗NSCLC患者的无疾病生存率 (DFS) 和整体生存率 (OS).
• 识别与NSCLC预后相关的新型数字生物标志物.

主要方法:

• 开发了一个多式人工智能模型,整合了整个幻灯片图像和来自618名NSCLC患者的密集临床数据.
• 该模型的预测性能使用曲线下的面积 (AUC) 和在测试集上的平衡准确度指标进行了评估.
• 患者被分为高风险和低风险组,以评估生存结果的差异.

主要成果:

• 人工智能模型在预测进展 (AUC:0.8084) 和死亡 (AUC:0.8021) 方面取得了高准确性.
• 预测进展和死亡的平衡准确率分别为0.7047和0.6884.
• 在高风险和低风险组之间观察到生存结果的显著差异 (进展的HR:4.85,死亡的HR:4.57,两者p < 0.0001).

结论:

• 开发的多式人工智能模型准确地预测了NSCLC患者接受手术的DFS和OS.
• 该模型识别了与不良预后相关的新型数字生物标志物,提高了对NSCLC的理解.
• 这种人工智能工具可以显著帮助术后决策,并改善NSCLC管理中的患者结果.