首页 > 文章详情

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

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。