基于病理图像的预测模型,用于早期肺腺癌患者的个人生存时间
Vi Thi-Tuong Vo1,2, Hyung-Jeong Yang1, Taebum Lee3
1Department of Artificial Intelligence Convergence, Chonnam National University, Gwangju, 61186, South Korea.
Scientific reports
|October 15, 2025
概括
机器学习模型可以从病理图像中使用整个瘤微环境来预测早期肺腺癌的生存时间. 这种计算病理学的方法有助于预后和临床试验的效率.
科学领域:
- 计算病理学计算病理学
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 瘤微环境 (TME) 显著影响癌症预后和治疗反应.
- 早期肺腺癌 (esLUAD) 是最常见的肺癌亚型,需要准确的生存预测.
研究的目的:
- 调查病理学图像中的整个TME是否可以预测患者生存时间.
- 在esLUAD中开发和验证机器学习模型,用于在没有区域级注释的情况下预测个人生存时间.
主要方法:
- 使用了NLST和TCGA队列中的esLUAD全幻灯片病理图像.
- 开发了一种级联学习系统,根据TME特征预测患者生存时间.
- 使用平均绝对误差 (MAE) 和C指数评估模型性能.
主要成果:
- 在NLST队列中实现了361.90的MAE和0.70的C指数.
- 在TCGA队列中实现了365.67的MAE和0.58的C指数.
- 证明TME特征与生存时间预测准确性之间存在强烈的关联.
结论:
- 分析整个TME的计算病理学算法可以准确地预测esLUAD的生存时间.
- 拟议的方法支持使用计算方法来提高临床试验效率和患者预后.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
08:54Pathological Analysis of Lung Metastasis Following Lateral Tail-Vein Injection of Tumor Cells
Published on: May 20, 2020
9.9K
