您好,欢迎您

2025 ASCO | 利用基于受激拉曼组织学的细胞密度进行随机森林预测胶质母细胞瘤复发

05月24日
编译:肿瘤资讯
来源:肿瘤资讯

专场:Refining Local Therapies in Central Nervous System Oncology: Hitting the Bullseye

摘要号:2010

摘要类型:Clinical Science Symposium

英文标题:Leveraging stimulated Raman histology-based cellularity for random forest prediction of glioblastoma recurrence.

中文标题:利用基于受激拉曼组织学的细胞密度进行随机森林预测胶质母细胞瘤复发

讲者/第一作者:Sanjeev Herr,Drexel University College of Medicine, Philadelphia, PA

研究背景

胶质母细胞瘤是一种普遍致命的诊断,切除范围是总体生存率和无进展生存率的最显著预测因素之一。大多数患者最终会经历复发,其中60%的复发发生在切除腔周围。最近利用受激拉曼组织学(SRH)和人工智能(AI)的工作已经估算了浸润边缘内的胶质瘤细胞密度。然而,目前尚不清楚在浸润边缘对胶质瘤负荷的这些估算是否会影响胶质母细胞瘤的复发。本研究旨在利用SRH和AI生成的细胞密度评分(来自切除腔边缘获取的组织样本),评估一个预测胶质母细胞瘤患者局部复发的模型。

研究方法

对诊断为胶质母细胞瘤的患者进行了一项多中心、回顾性队列研究,这些患者接受了切除术,随后从切除腔边缘获取空间注释组织。利用SRH光学成像分析组织,并通过共聚焦显微镜进行组织病理学分析。组织细胞密度通过组织学和光学成像进行测量。

研究结果

分析了超过400例患者和2200个样本,其中根据选择标准选取了60例患者的嵌套子集。利用术前和术后影像学,确定边缘样本处于复发区域(n=58)或非复发区域(n=220)。与非复发组相比,复发边缘样本组的细胞密度显著更高(p=0.026),病理学家确定的细胞密度评分(0-3)也证实了类似的结果(p=0.026)。这些结果在三个医疗中心得到验证。然后训练了六个分类器用于复发预测。使用19个最具有预测性的变量,随机森林(RF)表现最佳,AUC为0.848。仅使用FastGlioma、年龄和切除程度作为变量,最小实际变量数的RF筛选显示AUC为0.805。

研究结论

AI生成的细胞密度评分有可能预测胶质母细胞瘤的局部复发,从而指导更有针对性的手术切除和放疗方法,以提高无进展生存率。


责任编辑:肿瘤资讯-云初
排版编辑:肿瘤资讯-云初



版权声明
版权归肿瘤资讯所有。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”。


评论
05月25日
马利平
漯河市第六人民医院 | 肿瘤科
目前尚不清楚在浸润边缘对胶质瘤负荷的这些估算是否会影响胶质母细胞瘤的复发