[使用基于数字病理学和转录学的人工智能模型预测鼻息肉中的标记基因和术后结果]
1Department of Otolaryngology, the Seventh Affiliated Hospital of Sun Yat-sen University, Shenzhen 518107, China.
概括
使用整片图像,HE2Signature准确地预测了炎症基因表达和经手术后的结果,用于使用鼻息肉 (CRSwNP) 的慢性鼻炎. 这种方法提供了一个精确的,可扩展的方法来个性化医学没有分子测试.
科学领域:
- 病理学 病理学 病理学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 带鼻息肉的慢性鼻炎 (CRSwNP) 是一种复杂的炎症性呼吸道疾病.
- 准确预测疾病表型和治疗反应对于有效管理至关重要.
- 目前评估炎症标志物的方法可能是侵入性的或昂贵的.
研究的目的:
- 评估HE2Signature工具用于预测CRSwNP患者的整个幻灯片图像 (WSIs) 的炎症基因表达.
- 评估HE2Signature在预测术后结果和疾病控制方面的能力.
- 为了比较HE2Signature的性能与现有的模型,如ControlNet.
主要方法:
- 应用HE2Signature对178名CRSwNP患者的WSIs,以预测33个炎症标记基因的表达.
- 预测的基因表达与临床指标和术后结果相关 (EPOS 2020标准).
- 使用LASSO回归来开发一个术后预测模型,与Control.Net进行比较.
主要成果:
- 18个标记基因的预测表达与临床指标显著相关 (P<0.05).
- 2型炎症基因表达与乙氨基酸细胞数量和疾病负担相关,而非2型基因与中性粒细胞数量相关.
- 基于HE2Signature的模型实现了0.776的AUC来预测不受控制的疾病和0.800的控制状态,与ControlNet.Net相比.
结论:
- 使用常规组织学,HE2Signature有效预测CRSwNP的炎症基因表达和术后结果.
- 这种方法为CRSwNP中的精密医学提供了一个可扩展的,智能化的途径.
- HE2Signature模型消除了对分子分析的需求,简化了诊断工作流程.
