一个基于变压器的病理学模型,使用内镜活检WSIs来预测结直肠癌手术前免疫治疗的病理完整反应

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能在医学中的应用

背景情况:

• 免疫检查点抑制剂显著改善了结直肠癌 (CRC) 患者的生存率.
• 实现病理完整反应 (pCR) 进行手术前免疫疗法可能允许选择的CRC患者避免手术.
• 准确预测pCR对于治疗规划和优化患者结果至关重要.

研究的目的:

• 开发基于深度学习的预测模型,用于在接受手术前免疫治疗的CRC患者中识别pCR.
• 从内镜活检中利用整片图像 (WSIs) 来进行病理图像分析.
• 评估该模型预测治疗反应的能力,并可能使患者免受手术干预.

主要方法:

• 对接受手术前免疫治疗的CRC患者的回顾性分析.
• 使用Swin变压器架构,CNN和H&E染色WSIs上的CLAM框架开发深度学习模型.
• 基于注意力的可视化,以确定影响免疫疗法反应预测的关键图像区域.

主要成果:

• 预测模型实现了曲线下的面积 (AUC) 为0.830.
• 在培训队列中,pCR率为30.6%,在验证队列中为30.4%.
• 基于注意力的分析突出了影响性瘤和非瘤区域在预测反应.

结论:

• 深度学习病理学模型可以有效地预测CRC患者的手术前免疫治疗的瘤反应.
• 该模型的重点是瘤和非瘤区域,提高了其预测能力.
• 这种方法有望指导治疗决策,并可能避免不必要的手术.