微调的病理学基础模型的现实世界部署,用于肺癌生物标志物检测
Gabriele Campanella1,2, Neeraj Kumar3, Swaraj Nanda3
1Windreich Department of AI and Human Health, Icahn School of Medicine at Mount Sinai, New York, NY, USA.
Nature medicine
|July 9, 2025
概括
人工智能 (AI) 模型现在可以使用数字病理幻灯片预测肺腺癌中的EGFR突变. 这种人工智能生物标志物显示出现实世界的临床实用性,减少了快速分子测试的需求,同时保持了准确性.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 数字组织病理学 数字组织病理学
背景情况:
- 数字组织病理学幻灯片提供组织保存癌症诊断.
- 在肺腺癌中评估EGFR突变需要快速,准确和成本有效的方法.
- 目前的PCR测定速度快,但不太准确,并消耗额外的组织.
研究的目的:
- 开发和验证用于预测肺腺癌中的EGFR突变的计算生物标志物.
- 评估AI生物标志物的实际临床实用性和性能.
主要方法:
- 汇集了 8,461 张数字肺腺癌幻灯片的大型国际数据集.
- 微调了一个开源基础模型,以创建一个计算式EGFR生物标志物.
- 进行了前性沉默试验,以评估临床翻译.
主要成果:
- 该计算生物标志物在内部 (AUC 0.847) 和外部 (AUC 0.870) 验证数据集上实现了高精度.
- 一项前性试验显示出强的表现 (AUC 0.890).
- 人工智能辅助的工作流减少了快速分子测试的需要高达43%.
结论:
- 计算病理学生物标志物可以准确预测肺腺癌中的EGFR突变.
- 开发的AI生物标志物证明了现实世界的临床实用性,并有效地转化为临床实践.
- 人工智能提供了一种有前途的方法来提高诊断效率,并为肺癌的基因组分析保存组织.
