基于组织病理学的人工智能算法用于预测激进前列腺切除术后的前列腺癌转移
Eumee Cha1, Zhike Lin2, Jiayun Lu3
1Department of Pathology, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
European urology
|October 24, 2025
概括
基于组织病理学的人工智能 (AI) 算法可以使用小组织样本预测致命的前列腺癌 (PCa) 风险. 这些人工智能工具的性能与基因组分类器相当,并且与临床数据相结合时会得到改善.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 病理学 病理学 病理学
背景情况:
- 多式人工智能算法已经预测了前列腺癌 (PCa) 转移,使用组合基因病理学和临床病理学参数.
- 这项研究评估了纯粹基于遗传病理学的AI算法,用于预测手术治疗队列中致命的PCa风险.
研究的目的:
- 评估基于组织病理学的人工智能算法在预测致命前列腺癌 (PCa) 转移中的有效性.
- 将AI算法的性能与基因组分类器和标准临床风险工具进行比较.
主要方法:
- 在五个PCa队伍中利用了从激进前列腺切除术 (RP) 和针活检样本的整体幻灯片图像 (WSIs) 和组织微阵列 (TMAs).
- 开发了一种基于特征的连接分类系统,使用遗传病学数据生成人工智能转移风险评分.
主要成果:
- 来自前列腺切除术WSIs的AI风险得分显示了与基因组分类器可比的性能 (C指数:0.81-0.85对比0.72-0.80).
- 一个修改后的TMAAI得分在一项大型全国性研究中达到0.71的C指数,在针活检队列中达到0.74.
- 将TMAAI得分与前列腺癌风险评估 (CAPRA) 得分相结合,提高了预测性能 (C指数:0.83).
结论:
- 对小瘤组织样本应用的基于组织病理学的AI算法可以预测致命PCa的风险.
- 这些人工智能算法的性能与已建立的基因组分类器相当.
- 将AI算法与临床病理学变量结合起来,可以提高致命PCa的预测性能.
