[数字病理图像分析在微毛囊血清边缘卵巢瘤中的实用性]

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 数字病理学数字病理学

背景情况:

• 血清边缘性卵巢瘤 (SBOT) 是一个异质的群体.
• 微毛囊性SBOT (MP-SBOT) 亚型表现出更具侵略性的临床行为.
• 对MP-SBOT复发的预测标记对于患者管理至关重要.

研究的目的:

• 评估MP-SBOT中定量数字病理学的预后价值.
• 在MP-SBOT中识别与复发相关的数字病理特征.
• 评估核-细胞质 (N/C) 比率在预测MP-SBOT结果中的临床实用性.

主要方法:

• 追溯审查366名SBOT患者的数据.
• 将其分为MP-SBOT和非MP-SBOT组.
• 83个卵巢瘤的数字图像分析 (QuPath) 用于定量特征 (核面积,细胞面积,N/C比).
• 考克斯回归和卡普兰-梅尔分析复发和无进展生存 (PFS).

主要成果:

• MP-SBOT患者呈现出较高的血清CA125,D-Dimer,双边瘤,侵入性植入物,先进的FIGO阶段和更高的复发率 (33.3%对13.5%).
• MP-SBOT显示出明显的形态与明显更高的瘤细胞N/C比率 (0.48对0.41).
• 瘤细胞N/C比率升高 (>0.50) 是复发的独立风险因素 (HR=7.278) 并与较短的PFS (164.0 vs 35.0个月) 相关.

结论:

• 与其他SBOT亚型相比,MP-SBOT表现出更具侵略性的临床特征.
• 定量数字病理学,特别是瘤细胞N/C比率,是预测MP-SBOT中复发的宝贵工具.
• 较高的N/C比为MP-SBOT患者的潜在独立预后生物标志物.