自动瘤回归等级评估和食道癌的存活预测通过弱监督的多重实例学习
Zhengjin Liu1, Lin Zhao2, Ziqing Zhao1
1Department of Pathology, Zhongshan Hospital of Xiamen University, School of Medicine, Xiamen University, Xiamen, China.
Frontiers in medicine
|February 18, 2026
概括
人工智能 (AI) 自动化了食道癌的瘤回归度 (TRG) 评估,提高了预后准确性. 这个数字病理学工具为主观手动分级提供了可重复的替代方案,以获得更好的患者结果.
科学领域:
- 数字病理学数字病理学
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 食道癌是全球癌症死亡的主要原因之一.
- 准确的瘤回归度 (TRG) 评估后新辅助疗法对患者管理至关重要.
- 目前的TRG评估依赖于主观组织病理学,导致变化.
研究的目的:
- 开发一个客观的,自动化的TRG评估框架,使用AI用于数字病理学.
- 提高TRG评估在食道癌的可复制性和精度.
主要方法:
- 对157名食道癌患者和1298张全幻灯片图像进行了回顾性分析.
- 在患者层面的框架内评估基础模型和多重实例学习.
- 使用患者级标签进行弱监督的TRG预测.
主要成果:
- 人工智能框架实现了82.7%的分类准确度,显示了与病理学家的强烈一致.
- 与传统方法相比,人工智能衍生的TRG得分提供了更好的预后分层.
- 在AI-TRG和无进展/总生存率之间发现了显著的关联.
结论:
- 一个基于基础模型的AI框架使得在食道癌症中实现了自动化,标准化的TRG评估.
- 这种方法减少了病理学家的工作量,并提高了预后准确性.
- 弱监督的人工智能病理学有潜力在瘤学个性化治疗决策.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
770
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.9K
