基于人工智能的预测,使用数字病理学预测前列腺癌中的分子异常:系统性审查
Jacqueline E van Hees1, Michiel Vlaming2, Rachel N Flach3
1Dept. of Oncological Urology, University Medical Center Utrecht, Heidelberglaan 100, Utrecht 3508 GA, the Netherlands.
Critical reviews in oncology/hematology
|November 12, 2025
概括
基于图像的人工智能 (AI) 显示出预测前列腺癌中的分子异常的前景,可能有助于向治疗. 然而,人工智能算法需要在临床使用之前使用更多分子测试的病理学数据进行进一步的开发和验证.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 对同源修复和不匹配修复缺陷的分子诊断对于转移性前列腺癌的向治疗至关重要.
- 目前的分子诊断由于复杂性,成本和偏差的低发生率而未得到充分利用.
- 基于图像的AI提供了一个潜在的解决方案,通过从标准的H&E幻灯片中预测分子偏差.
研究的目的:
- 系统地审查人工智能算法的进展,以预测前列腺癌病理学的分子偏差.
- 评估这些AI算法的潜在临床实用性.
主要方法:
- 对4121篇文章进行了系统审查,其中20篇文章使用QUADAS-2标准进行了选择和评估.
- 对9个AI算法的分析,预测前列腺癌中的特定分子异常.
- 使用曲线下的面积 (AUC) 度量来评估算法性能.
主要成果:
- 九个AI算法实现了平均AUC为0.78 (范围为0.67-0.91).
- 对BRCA,同源修复缺陷和不匹配修复缺陷的AI算法在内部验证上分别显示AUC为0.79,0.84和0.72.
- 大多数研究 (17/20) 使用了癌症基因组图谱;只有五项进行了外部验证.
结论:
- 基于图像的AI算法显示出作为前查工具的潜力,用于前列腺癌的分子诊断,特别是临床相关的异常.
- 由于有限的分子测试病理学图像数据,需要进一步开发,以便进行强大的外部验证.
- 人工智能算法目前正处于临床应用的开发阶段.
