深度学习和病理学分析预测高度质瘤的预后
Yuchen Zhu1,2, Yuxi Gong1, Weilin Xu1
1Department of Radiation Oncology, The First Affiliated Hospital of Nanjing Medical University, Nanjing, China.
Frontiers in neurology
|August 27, 2025
概括
高度质瘤的病理分析有助于预后. 结合深度学习和临床模型准确预测患者的结果,确定高风险群体的无进展生存时间显著缩短.
科学领域:
- 癌症学
- 辐射学
- 计算病理学
背景情况:
- 高度质瘤是侵袭性脑瘤, 需要准确的预测工具.
- 传统的预后因素可能无法完全捕捉瘤异质性和患者的结果.
研究的目的:
- 开发和验证使用病理学的高等级质瘤的预后模型.
- 整合病理和临床数据以提高预测准确度.
主要方法:
- 使用深度学习模型分析了瘤区域的全幻灯片图像 (WSIs).
- 将病理特征提取出来并与临床数据相关联.
- 建立了三种预测模型:病理学,临床和组合.
主要成果:
- 综合病理和临床模型的C指数为0. 847 (训练) 和0. 739 (测试).
- 通过该模型确定的高风险患者的中位数无进展生存期 (PFS) 为10个月 (p< 0. 001).
- IDH状态分层进一步改进了PFS预测.
结论:
- 综合病理学和临床模型在预测高度质瘤预后方面表现出显著的有效性.
- 这种方法提供了一个强大的工具来分层患者和指导治疗决策.
更多相关视频
06:32Evaluation of Biomarkers in Glioma by Immunohistochemistry on Paraffin-Embedded 3D Glioma Neurosphere Cultures
Published on: January 9, 2019
8.0K
09:17Digital Spatial Profiling for Characterization of the Microenvironment in Adult-Type Diffusely Infiltrating Glioma
Published on: September 13, 2022
2.4K
