开发和验证一种病理学模型,用于准确分类胰腺神经内分泌瘤
Ying Li1, Chengwei Chen1, Yunshuo Zhang1
1Department of Radiology, Changhai Hospital, Shanghai, China.
NPJ precision oncology
|July 10, 2025
概括
一个新的病理学模型使用H&E图像准确地评分胰腺神经内分泌瘤 (PanNETs). 这种人工智能驱动的方法提高了效率和风险分层,以改善患者治疗.
科学领域:
- 数字病理学数字病理学
- 计算瘤学是一种计算瘤学.
- 医学成像分析分析 医学成像分析
背景情况:
- 精确的胰腺神经内分泌瘤 (PanNETs) 组织学分类对于患者的预后和治疗计划至关重要.
- 目前依赖于线粒细胞计数和Ki-67指数的分级方法是主观的,劳动密集的.
研究的目的:
- 开发和验证一种新的病理学模型,以对泛网进行客观和高效的分级.
- 评估模型在区分风险群体方面的表现及其与既定分级指标的关联.
主要方法:
- 使用拉索回归从H&E整个幻灯片图像 (WSIs) 提取病理特征.
- 开发一种病理学评分,并将其整合到具有临床特征的预测模型中.
- 在三个独立的队列中验证,包括来自两个中心的272名患者.
主要成果:
- 病理学得分与PanNET等级有显著的关联.
- 该模型有效地区分了高风险和低风险患者群体.
- 综合病理学和临床模型实现了高AUC的0.85 (验证) 和0.93 (测试队列).
结论:
- 开发的病理学模型为PanNET组织学评估提供了一种高效和定量方法.
- 这种方法具有显著的潜力,可以改善PanNET管理中的个性化治疗策略和风险分层.
