您好,欢迎您

WCLC22|IA期NSCLC完全切术后肺癌复发风险预测,基于TNM分期,还是深度学习方法?

2022年07月14日
编译:肿瘤资讯
来源:肿瘤资讯

世界肺癌大会(WCLC)是世界上最大的肺癌及胸部肿瘤会议,2022 WCLC将于8月6~9日在奥地利维也纳召开,逾100个国家的学者将进行300+场次口头报告与1000+海报展示。

7月13日WCLC官网公布了部分摘要,有研究显示基于深度学习整合来自LDCT图像和组织H&E图像的不同预后变量,比TNM分期和肿瘤分级能更准确地识别侵袭性IA期NSCLC。

4-3.jpg

1408.png

介绍

近几十年来,完全切除的IA期NSCLC的预后风险因素的研究进展极小。虽然已发现几种生物标志物与肿瘤复发相关,但其对对传统TNM分期的额外价值尚不清楚。

方法

研究人员分析了国家肺筛查试验中182例IA期患者的手术标本和术前低剂量CT(LDCT)图像。从1076个病理学家注释的感兴趣区(共477张H&E切片)和患者术前LDCT图像中提取放射组学特征和其他图像特征。研究人员将这些特征与手术参数、患者人口统计学和病史相结合,产生综合深度学习评价(IDLE)评分来预测无进展生存期(PFS)。通过ROC曲线下面积(AUC)和与肿瘤复发的独立相关性评价TNM分期和肿瘤分级的IDLE附加值。解码深度学习网络黑盒,确定全局和局部肿瘤特征之间的顶级风险因素和协同作用,以及它们与肿瘤复发进展的关系。

结果

IDLE2的5年时间依赖性AUC为0.817±0.037,而TNM分期和肿瘤分级的AUC分别为0.561±0.042和0.573±0.044。在相同敏感性水平下,IDLE2给出的5年阳性预测值和阴性预测值均高于TNM分期和肿瘤分级。在调整TNM分期和肿瘤分级后,IDLE2评分与肿瘤复发显著相关(P<0.0001)。深度学习黑盒内预测准确性的提高主要是由于CT图像特征和病理特征之间的协同作用。

MA03.04.png

结论

基于深度学习整合来自LDCT图像和组织H&E图像的不同预后变量,比TNM分期和肿瘤分级能更准确地识别侵袭性IA期NSCLC。肿瘤的全局特征和局部组织学特征之间的强大协同作用表明,整合来自不同平台的信息比添加来自具有重叠信息的平台的特征更重要。


责任编辑:肿瘤资讯-Shire
排版编辑:肿瘤资讯-Kate


评论
2022年07月17日
孙亚南
凌源市中心医院 | 肿瘤内科
基于深度学习整合来自LDCT图像和组织H&E图像的不同预后变量,比TNM分期和肿瘤分级能更准确地识别侵袭性IA期NSCLC。
2022年07月15日
应华荣
盘州市人民医院 | 心胸外科
非常不错
2022年07月14日
欧阳波
酒钢医院 | 呼吸内科
内容很精彩,值得学习!