混合:基于组织学的风险分层与深度学习和结直肠癌中的ctDNA
Chiara M L Loeffler1,2,3, Hideaki Bando4,5,6, Srividhya Sainath1
1Else Kroener Fresenius Center for Digital Health, Technical University Dresden, Dresden, Germany.
Nature communications
|August 14, 2025
概括
一个新的深度学习模型分析结直肠癌组织学图像,以预测复发风险. 将其与ctDNA分析相结合,可以提高预后准确度,并指导个性化辅助化疗决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 数字病理学数字病理学
- 人工智能的人工智能
背景情况:
- 手术后结肠直肠癌 (CRC) 的复发率仍然很高,在II/III阶段超过30%.
- 循环瘤DNA (ctDNA) 检测到分子残留疾病 (MRD),但缺乏瘤微环境的洞察力.
- 目前的预后工具需要加强个性化治疗策略.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,用于预测结直肠癌患者的无疾病生存率,使用整个幻灯片图像 (WSI).
- 评估DL衍生的组织学特征和基于ctDNA的MRD状态的综合预后价值.
- 研究DL模型在指导辅助化疗决策方面的潜力.
主要方法:
- 在DACHS队列 (n=1766) 的WSIs上训练了一个DL模型,并在GALAXY队列 (n=1404) 上验证了II-IV阶段的CRC.
- 该模型根据组织学预测了高风险和低风险组.
- 预后性能通过将DL得分与ctDNA-MRD状态相结合来评估.
主要成果:
- 在DL模型中,GALAXY队列中的患者被显著分为高风险 (n=304) 和低风险 (n=1100) 组 (HR 2.31;p<0.005).
- 将DL分数与MRD状态相结合,改善了MRD阳性 (HR 1.58;p<0.005) 和MRD阴性 (HR 2.1;p<0.005) 患者的预后分层.
- 呈MRD阴性,DL高风险患者从辅助化疗中显著受益 (HR 0.49;p=0.01),不同于DL低风险患者 (HR 0.92;p=0.64).
结论:
- 对WSI的DL分析为结直肠癌提供了有价值的预后信息.
- 将DL基组织学与ctDNA-MRD状态相结合,可以提高辅助治疗的风险分层和个性化.
- 这种方法有可能优化结直肠癌管理中的后续策略和治疗决策.
