您好,欢迎您

2024 WCLC 中国之声 | 梁文华团队: 基于多实例学习的肺癌组织学图像基因突变预测

09月09日
编译:肿瘤资讯
来源:2024 WCLC

2024世界肺癌大会(WCLC)将于美国当地时间9月7-10日在圣地亚哥举行,旨在为全球肺癌领域的学者、专家、从业人员提供最新临床研究、科学研究成果及广阔的学术交流平台。
近日,WCLC官网已披露部分摘要。其中多项由中国研究者主导的重要研究成果入选大会摘要,在国际盛会唱响中国好声音。中国呼吸疾病国家重点实验室梁文华教授团队发表了一项基于多实例学习的肺癌(LC)组织学图像基因突变预测的研究,【肿瘤资讯】特此整理,以飨读者。

研究标题:Deep Muitiple Instance Learning-Enabled Gene Mutation Prediction of Lung Cancer from Histopathology Images

基于多实例学习的肺癌组织学图像基因突变预测

摘要号:OA03.05

背景

准确检测驱动基因突变对于LC患者的治疗计划和预后预测都是至关重要的。传统的基因组检测需要高质量的组织样本,并且耗时耗资源,因此,对于大多数患者,尤其是那些在低资源环境中的患者,是不可行的。 在此,研究者介绍了DeepGEM,这是一种不可知深度的多实例学习人工智能方法,可从常规获取的组织学切片中预测基因突变。

方法

在本研究中,研究者纳入了迄今为止收集的最大多中心数据集(16个中心,3658例患者),数据集包括LC患者的配对病理图像和基因突变,研究者也沿用了公共TCGA数据集。 研究者在内部数据集(N=1717)上对DeepGEM进行了培训和初步测试,并在其他15个中心的外部测试集(N= 1719)和公共数据集(N=535)上对其进行了进一步评价。 此外,研究者也纳入了淋巴结转移(LNM)集(N=331),以评价DeepGEM对LNM活检的泛化能力。

结果

DeepGEM在内部集的中位曲线下面积(AUC)为0.938(切除活检)和0.891(抽吸活检),在多中心外部集的中位AUC为0.859(切除活检)和0.826(抽吸活检)。 DeepGEM模型在TCGA数据集(AUC=0.874)上表现出较高的性能,表明其在不同种族背景下具有稳健性。 此外,在原发区域活检上训练的DeepGEM模型可推广至淋巴结转移的活检,并显示出靶向治疗预后预测的潜力。 DeepGEM可判读,可生成输入玻片的单细胞水平空间基因突变图,经验证与免疫组化结果一致。

结论

研究者开发了一种基于人工智能的DeepGEM方法,该方法能够准确、及时、经济地预测基因突变和突变分布。 它显示了作为指导LC患者临床治疗的辅助工具的巨大潜力。



责任编辑:肿瘤资讯-明小丽
排版编辑:肿瘤资讯-明小丽



版权声明

本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明“转自:良医汇-肿瘤医生APP”。

文末图片.jpg