胰腺癌的预后模型基于机器学习的常规幻灯片和转录性瘤分析
Manabu Takamatsu1,2, Mariko Tanaka3, Yohei Masugi4,5
1Division of Pathology, Cancer Institute, Japanese Foundation for Cancer Research, Tokyo, Japan. manabu.takamatsu@jfcr.or.jp.
British journal of cancer
|January 8, 2026
概括
一个人工智能 (AI) 模型准确地使用组织学图像预测胰腺管道腺癌 (PDAC) 复发. 这个人工智能工具识别了与患者结果和基因表达相关的图像特征,有助于预后.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 胰腺管腺癌 (PDAC) 的预后是具有挑战性的,因为瘤异质性显著.
- 组织学图像分析有可能提高PDAC的预后准确性.
研究的目的:
- 开发和验证一种人工智能 (AI) 模型,用于使用组织图像补丁预测胰腺管腺癌 (PDAC) 术后复发.
- 识别特定的图像衍生特征及其与基因表达的相关性,从而预测患者的结果.
主要方法:
- 训练了一种随机森林AI模型,对来自591名切除PDAC的患者的图像补丁进行训练,以预测12或24个月后的复发情况.
- 在外部队列 (n=302) 上验证了模型,用于补丁集群使用统一的多元体近似和投影 (UMAP).
- 使用接收器操作特征曲线 (AUC) 下面的面积评估预测性能,并对已识别的集群进行基因表达分析.
主要成果:
- 确定了17个不同的补丁集群,其中两个与高复发风险相关,一个与低风险相关.
- 在外部验证中,AI模型在接收器操作特征曲线 (AUC) 下的面积达到0.792.
- 瘤异质性与更短的复发时间 (P <0.01) 相相关,特定的基因表达 (CSF3R,IGFBP3) 与风险集群有关.
结论:
- 使用档案组织学幻灯片的AI模型可以准确地预测PDAC的术后复发.
- 该模型确定了与患者结果相关的图像特征,并揭示了与特定基因表达模式的联系.
- 这种方法为PDAC预后提供了一种新的方法,利用数字病理学和AI.
