一个强大的人工智能系统用于预测胃癌活检和切除标本中的EBV状态
Keunho Byeon1, Boram Song2, Seoung Wan Chae2
1School of Electrical Engineering , Korea University , Anam-ro, 02841, Seoul, South Korea.
Scientific reports
|October 8, 2025
概括
一个新的AI工具EBV-TRACER准确地检测胃癌样本中的爱斯坦-巴尔病毒 (EBV). 这种深度学习分类器有助于对EBV阳性胃癌的诊断和治疗计划,因为这种癌症的预后更好.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 人工智能的人工智能
背景情况:
- 爱斯坦-巴尔病毒 (EBV) 与大约9%的胃癌相关,具有明显的病理,基因组和临床特征.
- 阳性EBV胃癌与更有利的预后有关,这凸显了准确检测的重要性.
研究的目的:
- 开发和验证基于深度学习的强大分类器EBV-TRACER,以准确可靠地检测胃癌中的EBV阳性.
- 评估EBV-TRACER在活检和手术切除样本中的性能.
主要方法:
- 开发了一种基于染色规范化的双阶段人工智能分类器 (EBV-TRACER).
- 该分类器计算了预测得分:EBV阳性癌症与组织比率,EBV阳性癌症与瘤比率和EBV阳性癌症大小.
- 进行核细分和分类,以分析EBV状态和淋巴细胞特征之间的关系.
主要成果:
- 这项研究分析了2011年至2023年期间的2684个胃样本.
- 内部验证显示曲线下的面积 (AUC) 值在0.6596到0.8414.4之间.
- 外部验证给出了三个预测得分的AUC值为0.7644,0.7652和0.7221.
- 与没有或具有传统染色规范化的模型相比,EBV-TRACER表现出更高的性能.
结论:
- EBV-TRACER是提高胃癌诊断效率和准确性的有希望的工具.
- 该分类器支持对EBV阳性胃癌的更有效的治疗规划和战略开发.
