研究性深度学习模型可能有助于对子宫内膜癌患者进行风险分层

(资料图片仅供参考)

根据4 月 14 日至 19 日举行的AACR 2023 年年会上公布的研究结果，需要一张组织病理学幻灯片的研究性深度学习模型准确预测了子宫内膜癌患者远处复发的风险。

子宫内膜癌是最常见的子宫癌类型。虽然早期子宫癌患者的五年生存率约为 95%，但那些发生远处复发的患者的生存结果非常差，理学硕士、博士 Sarah Fremond 表示。荷兰莱顿大学医学中心子宫内膜癌 计算病理学和深度学习候选人。

辅助全身治疗可降低远处复发的风险;因此，她解释说，正确识别远处复发高风险和低风险患者对于个性化辅助治疗建议和减少毒性治疗不必要的发病率至关重要。

目前的风险分层方法依赖于病理学家评估组织病理学图像，但受到病理学家之间显着差异的限制。虽然肿瘤组织的分子检测具有附加价值，但这种方法成本高，而且需要复杂的基础设施。Fremond 补充说，越来越多的预后变量使得很难将相关因素组合成一个单一的风险评分。

为了克服这些挑战，Fremond 及其同事研究了深度学习(人工智能的一种形式)在使用数字化组织病理学幻灯片预测患者远处复发风险方面的潜力。该研究是AIRMEC 联盟的合作成果，该联盟涉及莱顿大学医学中心病理学系、TransPORTEC 联盟以及苏黎世大学病理学和分子病理学系。

“深度学习是一种强大的计算机辅助预测技术，它已经进入病理学领域，因为它可以被训练来从数字化后的肿瘤切片中读取复杂的视觉信息，”Fremond 说。“在这项研究中，我们旨在评估是否可以使用常规组织病理学幻灯片作为具有成本效益的输入来训练深度学习模型来预测子宫内膜癌患者远处复发的风险。”