人工智能预测了与结果相关的分子概况和肝细胞癌中的血管入侵

科学领域:

• 数字病理学数字病理学
• 人工智能在瘤学中的应用
• 肝细胞癌 (HCC) 研究研究

背景情况:

• 数字病理学和人工智能正在推进个性化医疗,特别是在HCC.
• 人工智能模型可以从H&E幻灯片预测HCC的分子概况和微血管入侵 (mVI).
• mVI是HCC的关键预后因素,通常需要广泛的病理审查.

研究的目的:

• 开发和验证一种深度学习 (DL) 模型,用于使用数字化H&E幻灯片预测HCC分子亚型和mVI.
• 评估人工智能驱动的预测对HCC患者结果和治疗策略的临床实用性.

主要方法:

• 基于变压器的DL模型被训练在431个切除的HCC病例 (H&E幻灯片) 上.
• 该模型经过了五次交叉验证,并对两个外部队列 (TCGA-LIHC和高级阶段的HCC队列) 进行了测试.
• 对分子子类 (扩散与非扩散) 和mVI的预测使用曲线下面面积 (AUC) 和生存分析进行了评估.

主要成果:

• DL模型准确地区分了预后不佳 (扩散) 和预后良好 (不扩散) 的HCC子类 (跨队列的AUC为0.75-0.81).
• 与扩散子类相比,AI预测的非扩散子类与明显更长的整体存活 (OS) 相关联.
• 该模型以中等准确度 (AUC 0.62-0.70) 预测了mVI,并表明与较短的OS和免疫抑制瘤微环境有关.

结论:

• 一个基于H&E幻灯片的AI模型可以准确地预测与结果相关的HCC分子亚型和mVI.
• 这种AI方法提供了一个可扩展和可访问的工具,用于从常规组织学中提取临床相关特征.
• 这些发现支持整合人工智能辅助的病理学,以改善HCC的个性化管理.