在乳腺癌中,通过基于算法的数字图像分析计算Ki67增殖指数

科学领域:

• 数字病理学数字病理学
• 乳腺癌研究研究 乳腺癌研究
• 定量图像分析是一种定量图像分析.

背景情况:

• Ki67是乳腺癌 (BC) 的关键预后标志物.
• 对Ki67增殖指数 (KPI) 的准确评估对于患者的预后至关重要.
• 传统的手动评估方法可能是主观的,容易变化.

研究的目的:

• 评估基于算法的数字图像分析用于确定Ki67扩散指数 (KPI) 的有效性.
• 将自动化算法 (Optrascan算法,OA) 与手动眼球 (EB) 和参考标准 (ImageJ) 的准确性进行比较.
• 评估数字图像分析在乳腺癌生物标志物量化中的可靠性.

主要方法:

• 对81例乳腺癌病例的回顾性分析.
• 通过手动眼球 (EB),Optrascan算法 (OA) 和ImageJ评估的Ki67扩散指数 (KPI) 的比较.
• 统计分析使用皮尔森相关性和布兰德-阿尔特曼图表来评估共识和偏见.

主要成果:

• EB和OA都与ImageJ参考标准 (p < 0.001) 有显著的相关性.
• 奥普特扫描算法 (OA) 显示出比手动眼球 (EB) 更强的相关性 (r:0.9913).
• 与OA相比,手动眼球 (EB) 显示出更大的偏差 (1.309) 和高于10%的管状形成 (7.268) 的瘤的显著高估值.

结论:

• 基于算法的数字图像分析 (OA) 作为乳腺癌中KPI评估的可行和准确的替代方案.
• 手动眼球 (EB) 倾向于在固体瘤中高估,在差异化瘤中低估.
• 奥普特斯坎算法 (OA) 显示了客观KPI量化的潜力,尽管存在与瘤形态学和微环境相关的偏见.