人工智能在组织学图像上揭示了前列腺癌的可解释恶性瘤等级

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医学成像分析 医学成像分析

背景情况:

• 前列腺癌 (PCa) 恶性瘤分级对于患者管理和治疗决策至关重要.
• 目前的格里森分级系统存在显著的观察者间变化,影响其可靠性.
• 深度学习在增强瘤分级方面表现有前途,但尚未解决核心可变性问题.

研究的目的:

• 开发和验证一种新型的人工智能 (AI) 驱动的前列腺癌分级系统.
• 评估人工智能分级系统的性能与当前的格里森分级分组系统相比.
• 评估人工智能系统预测结果的能力,包括生化复发和抵抗割的PCa.

主要方法:

• 使用人工智能开发一种新的PCa评分系统.
• 使用了包括2647名PCa患者在内的多机构国际数据集.
• 用人生存分析,对生化复发和癌症特异性死亡进行≥10年的随访.

主要成果:

• 人工智能开发的分级系统显示,四个风险组优于目前的五个等级组.
• 这种新系统被证明是独立的,并且优于现有的分级方法.
• 人工智能还开发了一种评分系统,预测耐割PCa的生物化学后复发风险.

结论:

• 人工智能可以创建一个有效的前列腺癌分级系统,以解决观察者之间的变化.
• 新的AI分级系统提供了改进的风险分层和预后价值.
• 这种人工智能方法有可能为PCa开发可解释和高级分级工具.