Nature Medicine:利用AI预测肿瘤起源,准确率媲美医学专家 |
来源:生物世界 2024-04-20 15:37
TORCH可以作为一种有效的鉴别恶性肿瘤和良性疾病的工具,并进一步作为利用细胞学图像预测肿瘤起源的概念验证。TORCH的高性能和潜在的临床获益值得进一步的前瞻性随机临床试验研究。天津医科大学肿瘤医院李祥春、陈可欣、郑州大学第一附属医院李文才等人在NatureMedicine期刊发表了题为:Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning的研究论文。
该研究开发了一种基于深度学习的AI模型 TORCH,用于预测胸水和腹水中恶性细胞的主要系统起源。该AI模型可以成为鉴别和良性疾病、肿瘤起源定位以及辅助原发灶不明癌症(CUP)患者临床决策的宝贵工具,其在5个测试集中取得了稳健的和预测结果,媲美甚至超过了人类病理学专家。
在新诊断的CUP患者中,有相当一部分出现胸膜或腹膜转移。据报道,7-20%的呼吸系统或胃肠道被诊断为胸腔和腹腔积液,其中许多同时合并腹膜或胸膜癌。以往的研究表明,浆膜腔积液可以在没有任何癌症病史的情况下发生,10%的恶性积液患者是癌症的初始表现。经腹膜或胸膜细针穿刺细胞学检查通常作为诊断胸腹部转移瘤的关键方法。然而,大多数情况下,病理学家可以通过细胞学涂片肉眼区分腺癌和鳞状,但不能区分的起源。因此,精确的细胞学评估有助于对CUP合并胸膜或腹膜转移患者进行恰当的,指导最佳的治疗策略,避免不必要的手术,进一步延长患者总生存期。
近年来,基于深度卷积神经网络的计算分析作为一种辅助技术越来越多地应用于病理诊断领域。数字病理学已经应用于各种图像处理和图像分类任务,包括低水平的物体识别和高水平的疾病预后或治疗反应预测。然而,之前开发的AI算法主要集中在组织学或病理图像上,很少有能够解释细胞学成像数据以预测肿瘤起源的深度学习模型。
在常规临床实践中,组织学和细胞学病理学在肿瘤起源的追踪方面有不同的应用场景。当可以通过手术或穿刺活检获得标本时,使用组织学检查,这些类型的标本提供更丰富的诊断信息。细胞学检查主要适用于不能手术或不能耐受穿刺活检的晚期癌症患者。在这种情况下,胸膜和腹膜浆液标本由于其良好的可及性而有助于癌症起源的定位。然而,采样不足、细胞变性或异型性以及检查员之间的差异是诊断准确性不佳的主要原因。因此,需要应用人工智能辅助图像分析等新技术来提高检测能力。据我们所知,目前还没有研究过人工智能在利用胸水和腹水的细胞学图像预测癌症起源方面的应用。
在这项研究中,研究团队旨在建立一个人工智能(AI)诊断模型,利用细胞学图像预测发生胸水和腹水转移的癌症患者的广泛肿瘤起源。该AI模型的性能通过来自几个独立测试集的大规模细胞学涂片病例进行检查和验证。
该研究利用来自四家三级医院的57220例细胞学图像,开发了一种使用细胞学组织学进行肿瘤起源分化的深度学习方法 TORCH,该方法可以识别恶性肿瘤并预测胸水和腹水的肿瘤起源。
TORCH模型框架
研究团队三个内部测试集(n=12799)和两个外部测试集(n=14538)上检查了其性能。结果显示,TORCH在诊断癌症时的ROC曲线下面积(AUC)在0.953-0.991之间(越接近1效果越好),在肿瘤起源定位时的ROC曲线下面积(AUC)在0.953-0.979之间(越接近1效果越好)。
病理专家和TORCH鉴别良性/恶性样本诊断性能的比较
TORCH预测原发肿瘤起源的准确率为82.6%,并且肿瘤起源有属于预测前三名的可能性高达98.9%。与4位病理学专家的结果相比,TORCH具有更好的预测效果(1.677vs1.265),显著提高了初级病理学专家的诊断评分。初始治疗方案与TORCH预测的起源一致的CUP患者比给予不一致治疗的患者有更好的总生存期(27个月vs17个月)。这项研究强调了TORCH在临床实践中作为一种有价值的辅助工具的潜力。
TORCH预测与CUP患者长期预后的相关性
总的来说,TORCH可以作为一种有效的鉴别恶性肿瘤和良性疾病的工具,并进一步作为利用细胞学图像预测肿瘤起源的概念验证。TORCH的高性能和潜在的临床获益值得进一步的前瞻性随机临床试验研究。
版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。 87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载-> 医药网新闻- 相关报道
-
- Cell重磅!蛋白质“堵车”,是导致慢性疾病的罪魁祸首! (2024-12-10)
- Nature Methods:形态学数据与人工智能的交响曲——“细胞绘图”的无限可能 (2024-12-10)
- 最新研究显示,喜欢在聊天中使用表情包的人,情商更高 (2024-12-09)
- Nature:突破重复性瓶颈,揭示研究设计对脑全关联研究效应的深远影响 (2024-12-09)
- Cancer Cell:李贵登团队揭示甘露糖代谢重塑T细胞分化,增强抗肿瘤免疫 (2024-12-09)
- Nature:专门的巨噬细胞或在机体肌肉运动中扮演着关键角色 (2024-12-08)
- Cell:揭示肺癌中的免疫新势力——成纤维网状细胞(FRCs)如何驱动抗肿瘤反应 (2024-12-08)
- JITC:科学家有望设计出针对人类胶质母细胞瘤的新型免疫疗法 (2024-12-08)
- Nature Medicine:外侧下丘脑如何成为脊髓损伤康复的关键突破口? (2024-12-08)
- 原来「人越老,觉越少」是真的!研究证实:随着年龄增长,分泌Hcrt神经元中的KCNQ2/3钾通道功能受损,导致睡眠不稳定和片段化 (2024-12-08)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040