使用人工智能从HE染色乳腺癌幻灯片中预测雌激素受体状态
Maren Høibø1,2, Ute Spiske3, André Pedersen4
1Department of Clinical and Molecular Medicine, Norwegian University of Science and Technology (NTNU), Trondheim, Norway.
Frontiers in medicine
|June 24, 2025
概括
人工智能从常规的H&E幻灯片准确地预测乳腺癌中的雌激素受体 (ER) 状态. 这种人工智能模型可以提高病理实验室的效率,并降低分子分析的成本.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
背景情况:
- 雌激素受体 (ER) 评估对于乳腺癌患者分层至关重要.
- 病理实验室面临着越来越多的工作负载和高成本的分子分析.
- 用血素和素 (HE) 染色的幻灯片为预测建模提供了一个潜在的替代方案.
研究的目的:
- 开发一个AI模型,从HE染色组织微阵列 (TMAs) 预测ER状态.
- 用数字病理学证明预测复杂分子分析的可行性.
- 提高病理学实验室的效率,并可能降低病理学实验室的成本.
主要方法:
- 使用集群受约束注意力多实例学习 (CLAM) 框架.
- 从2000多名挪威乳腺癌患者中对TMA进行了培训和测试.
- 评估了不同的补丁大小和CLAM配置,并进行了广泛的超参数调整.
主要成果:
- 在内部和外部测试集中实现了高性能指标 (例如,AUC高达0.95).
- 通过更大的补丁大小证明了优越的分类性能.
- 在未见的数据上验证了模型的预测能力.
结论:
- 从HE幻灯片中基于人工智能的ER状态预测是可行的和准确的.
- 这种方法可以作为预测其他分子标记物的概念验证.
- 有潜力简化病理学工作流程并降低诊断成本.
