开发和解释一种病理学驱动的整体预测模型,用于预测肝脏内胆管癌的预后

科学领域:

• 数字病理学数字病理学
• 人工智能在瘤学中的应用
• 癌症基因组学 癌症基因组学

背景情况:

• 病理学显示出临床管理的希望,但缺乏可解释的模型来预测肝内胆管癌 (iCCA).
• 有限的解释性阻碍了iCCA现有的病理学模型的临床应用.

研究的目的:

• 开发和解释一种新的病理学组合模型,用于预测肝内胆管癌 (iCCA) 的预后.
• 提高病理学模型在iCCA中的临床决策的可解释性.

主要方法:

• 一个深度学习框架从252个iCCA手术后瘤幻灯片中提取了病理特征.
• 一个整体预测模型与临床参数整合了病理学得分,并得到了外部验证.
• 根据病理特征对已识别的iCCA亚型进行进一步分析.

主要成果:

• 整体病理学模型在1,2,3年总生存期 (OS) 中实现了高AUC:0.902,0.853和0.807.
• 梯度加权类激活映射可视化模型关注区域,增强可解释性.
• K-means聚类揭示了两个iCCA亚型,具有不同的预后,组织形态学和基因组资料,确定TPM2和PLOD2作为预后相关的基因.

结论:

• 为iCCA预后开发了一种可解释的整体病理模型,支持个性化术后治疗.
• 该研究表明,将病理学与临床和基因组数据整合起来,可以提高iCCA管理的潜力.
• 使用先进的解释技术来提高病理学模型的临床实用性.