MMHC-OCPR:用多模式深度学习预测卵巢癌中白金反应和复发风险
Enyu Tang1, Haoming Xia2, Zhenlong Yuan1
1Department of Gynecology Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China.
Biomedicines
|February 27, 2026
概括
一个新的多式模式 (MMHC-OCPR) 准确地预测卵巢癌白金反应和复发风险. 该工具有助于早期检测抗性,并个性化治疗,改善患者的治疗结果和生活质量.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 卵巢癌是妇科癌症死亡率的主要原因之一.
- 抗性显著恶化了卵巢癌患者的预后.
- 个性化治疗策略对于改善患者的治疗结果至关重要.
研究的目的:
- 开发一种多式模式 (MMHC-OCPR) 模型,用于预测卵巢癌中白金反应.
- 根据复发风险创建一个分层卵巢癌患者分层模型.
- 为了能够更早地检测白金耐药性,并指导个性化治疗决策.
主要方法:
- 一项多中心的回顾性研究,涉及431名卵巢癌患者和1182名整体幻灯片图像 (WSIs).
- 利用一个弱监督的多实例学习框架,将病原学 (WSIs) 与临床病理学数据集成在一起.
- 整合了基于变压器的预训练编码器UNI2-h,以提高预测性能.
主要成果:
- 反应分类器的AUC值为0.896 (内部) 和0.876 (外部).
- 多模式整合 (转移性WSIs和临床数据) 改善了AUC至0.914.
- 复发风险模型显示C指数为0.801,随着多模式增强增加到0.838,将患者分为不同的风险组.
结论:
- 该MMHC-OCPR模型有助于早期识别白金耐药性,使得及时的治疗升级.
- 复发风险分层支持个性化管理,可能使低风险患者免受不必要的维持治疗.
- 该模型旨在降低治疗毒性和成本,同时提高患者的生活质量.
