自主监督学习预测肝脏内胆管癌在常规组织学上的转录学类
Aurélie Beaufrère1,2,3, Tristan Lazard3, Rémy Nicolle2
1AP-HP.Nord, Department of Pathology, FHU MOSAIC, DMU DREAM, Beaujon Hospital, Clichy, France.
JHEP reports : innovation in hepatology
|January 16, 2026
概括
一个新的自我监督学习模型从组织学幻灯片中预测肝脏内胆管癌 (iCCA) 的转录学类. 这种方法克服了分子分析的局限性,有助于临床实施和iCCA患者的个性化治疗.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 肝脏内胆管癌 (iCCA) 的转录组分类提供了预后和治疗见解,但由于组织和成本限制,面临临临床采用障碍.
- 最近的进展提炼了iCCA分类,将其分为五个不同的子类.
研究的目的:
- 开发和验证自主监督学习 (SSL) 模型,用于直接从数字化全幻灯片图像 (WSI) 预测iCCA转录学类.
- 评估使用常规组织学幻灯片进行转录组分类的可行性,绕过传统的分子分析.
主要方法:
- 在246名患者的766个WSI上训练了一个Giga-SSL模型 (发现集).
- 该模型在癌症基因组图谱 (TCGA) 队列 (n=29) 和法国外部验证集 (n=32) 上得到验证.
- 用曲线下的面积 (AUC) 来预测转录组类来评估性能.
主要成果:
- 该模型在预测发现集中四个最常见的iCCA转录组类 (AUC 0.63-0.84) 中表现良好至非常好.
- 肝干类类型的预测准确度很高 (AUC 0.84).
- 在验证组中观察到一致的性能,AUC从0.76到0.92.9不等.
结论:
- 一个基于SSL的模型可以从例行活检和手术组织学幻灯片准确地预测iCCA的转录学类.
- 这种计算方法促进了转录组分类的临床实施,以改善iCCA预后和治疗指导.
- 该模型提供了一个可扩展和实用的解决方案,有可能加速iCCA管理中的个性化医疗.
