基于可解释的人工智能,预测乳腺癌中新辅助治疗反应的预测
Yao Zhou1, Xin Shu2,3, Fan Wang1
1Data Governance Center, Nanchang People's Hospital, Nanchang, China.
International journal of surgery (London, England)
|September 24, 2025
概括
一个AI模型使用H&E幻灯片预测乳腺癌中新辅助疗法 (NAT) 的反应. 该模型与瘤微环境 (TME) 特性和瘤透淋巴细胞 (TILs) 相相关,使得个性化治疗策略成为可能.
科学领域:
- 在瘤学中使用人工智能
- 计算病理学计算病理学
- 乳腺癌研究研究 乳腺癌研究
背景情况:
- 开发用于乳腺癌新辅助疗法 (NAT) 疗效的预测模型对于个性化治疗至关重要.
- 整合多模式数据和分析瘤微环境 (TME) 特性可以提高模型的解释性.
研究的目的:
- 开发一种可解释的基于人工智能的预测模型,用于研究NAT在乳腺癌中的疗效.
- 分析TME特征和模型预测的基础分子机制.
主要方法:
- 来自多中心队列的H&E染色全幻灯片图像 (WSI) 的回顾性分析.
- 使用多个实例学习 (MIL) 框架开发人工智能预测模型.
- 使用TCGA数据和差异基因表达造型的分子和TME分析.
主要成果:
- 人工智能模型在预测NAT响应方面表现出强大的区分能力 (AUC高达0.901).
- 模型预测与瘤细胞周期过程和TME组件相关联,包括免疫细胞.
- 在模型得分和瘤透淋巴细胞 (TILs) 之间观察到强烈的相关性,具有空间局部化.
结论:
- 使用H&E幻灯片开发了一个可解释的AI模型来预测乳腺癌NAT反应.
- 该模型的生物解释性,与TME动态和TIL模式相关,为个性化的NAT提供了一个新的策略.
- 这种方法通过预测患者对新辅助疗法的反应,促进了个性化治疗策略.
