从基因病理图像的深度学习算法分层化leiomyosarcoma的分子亚型:一个证明和概念的诊断研究

科学领域:

• 计算病理学计算病理学
• 在瘤学瘤学.
• 医学中的人工智能

背景情况:

• 乳腺髓肉瘤 (LMS) 是最常见的软组织肉瘤.
• LMS的分子亚型与预后和治疗敏感性有关.
• 准确的亚型和生存预测对于LMS患者管理至关重要.

研究的目的:

• 开发和验证LMS分子亚型化深度学习 (DL) 算法.
• 开发和验证DL算法,用于预测LMS存活率.
• 评估DL衍生的组织形态学特征在协助病理学家中的实用性.

主要方法:

• DL模型使用来自癌症基因组图谱 (TCGA) 的全幻灯片图像 (WSI) 进行训练.
• 外部验证是在多中心,现实世界的队列上进行的.
• 性能指标包括AUROC,精度,回忆,特异性,精度和F1分数. 计算可视化 (CVs) 用于解释DL模型.

主要成果:

• 在LMS-DL模型中,分子亚型的AUROC为0.944,预测两年总生存的AUROC为0.937.
• DL模型在亚型准确性方面超过了病理学家的30%以上.
• 简历使病理学家的亚型准确度提高了12.1%,诊断时间和不确定性减少.

结论:

• DL模型在LMS分子亚型和生存预测中显示出高准确性和有效性.
• 这些模型可以显著减少病理学家的工作量.
• 需要在大型潜在队列中进一步验证.