您好,欢迎您

2025 ASCO | 提升膀胱癌预后精准度:基于H&E图像的AI驱动肿瘤微环境分析

05月25日
编译:肿瘤资讯
来源:肿瘤资讯

专场:DEVELOPMENTAL THERAPEUTICS—MOLECULARLY TARGETED AGENTS AND TUMOR BIOLOGY

摘要号:3017

摘要类型:Rapid Oral Abstract Session    

英文标题:Enhancing prognostic precision in bladder cancer: AI-driven tumor micro- environment analysis from H&E images.

中文标题:提升膀胱癌预后精准度:基于H&E图像的AI驱动肿瘤微环境分析

作者:Evelyn Ramberger,Aignostics GmbH, Berlin, Germany

研究背景

膀胱癌(BC)是重大的医疗负担。尽管诊疗技术不断进步,患者生存率仍处于较低水平,凸显了改进预后评估工具的迫切需求。现行UICC分期系统在患者分层方面常缺乏精确性。此外,目前尚缺乏可规模化探索并量化肿瘤微环境(TME)特征及其对患者预后影响的方法。本研究提出一种基于常规苏木精-伊红(H&E)染色切片的人工智能(AI)分析框架,通过系统性TME表征提升预后准确性。

研究方法

在包含700余例膀胱癌切除患者的双中心队列中,我们开发并验证了用于TME分析的深度学习方法。该模型采用多重免疫荧光验证的标注数据进行训练,但仅需H&E染色图像即可运行,具有最佳临床适用性。核心分析特征包括组织区域分割、细胞分类及空间解析的细胞分布模式。我们评估了模型性能,并将TME特征与临床病理变量整合,以提升超越UICC分期的预后分层能力。

研究结果

该模型展现出优异的组织区域分割能力(F1分数=0.91),并能准确识别组织区域中的关键免疫细胞群。当空间解析的细胞特征与临床病理变量整合后,总生存期的预后能力获得显著提升。相较于随机基线C指数0.5,整合方法较单纯UICC分期系统(C指数0.59)显示出22%的相对改进(C指数提升至0.61,p<0.01)。整合模型的风险比达1.859(95% CI: 1.530-2.259,p=4.390e-10),显著优于传统高风险vs低风险分层的风险比1.477(95% CI: 1.219-1.791,p=7.117e-05)。这些发现表明,AI驱动的TME分析能提供超越现有临床分期方法的预后信息。

研究结论

本研究证实,AI联合UICC分期较单纯UICC分期能改善患者分层。结果表明,基于常规H&E切片实现膀胱癌TME自动化表征具有可行性,将TME特征纳入预后模型可提升准确性,有助于个体化肿瘤治疗管理。虽然仍需更大规模多中心数据验证,但该方法为系统性生物标志物开发和临床决策优化提供了新途径。

责任编辑:肿瘤资讯-Nydia
排版编辑:肿瘤资讯-Nydia
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
李晓红
平遥兴康医院 | 肿瘤内科
膀胱癌(BC)是重大的医疗负担。