مدل هوش مصنوعی درجه بندی بافت شناسی سرطان سینه را افزایش می دهد


دوشنبه ، 4 اکتبر 2021 (HealthDay News) – یک مدل یادگیری جدید (Deepgrade) [DG]) درجه 2 بافت شناسی ناتینگهام (NHG 2) طبقه بندی آسیب شناسی تومورهای سینه را بهبود می بخشد همکاران انکولوژیبه

Yinxi Wang و همکارانش در موسسه کارولینسکا در استکهلم یک مدل جدید بافت شناسی را بر اساس تصاویر هیستوپاتولوژی دیجیتال کل اسلاید (WSI) و یادگیری عمیق برای بهبود طبقه بندی خطر بیماران مبتلا به سرطان پستان NHG2 توسعه داده و معتبر کردند. WSI معمولی رنگ آمیزی شده با هماتوکسیلین و ائوزین از 1567 بیمار برای بهینه سازی و اعتبار مدل استفاده شد. در یک مجموعه آزمایش خارجی با 1262 بیمار ، قابلیت تعمیم مدل بیشتر مورد بررسی قرار گرفت. موارد NHG2 به دو گروه DG2-high و DG2-low تقسیم شدند. ارزش تشخیصی مدل مورد بررسی قرار گرفت.

محققان دریافتند که در مجموعه آزمایش داخلی ، DG اطلاعات پاتولوژیک جداگانه ای را برای طبقه بندی موارد NHG2 ارائه کرده است. در مقایسه با گروه DG2 کم ، DG2 بالا پس از تعدیل عوامل خطر تعیین شده ، خطر عود را افزایش می دهد (میزان خطر ، 2.94). DG2 کم و DG2 بالا به ترتیب شباهت های فنوتیپی با NHG 1 و NHG 3 دارند. در مجموعه آزمون خارجی ، ارزش تشخیصی DG برای DG2-high (میزان خطر ، 1.91) با افزایش خطر عود تعیین شد. نویسندگان می نویسند: “مدل Deepgrade طبقه بندی پاتولوژیکی جداگانه ای برای NHG2 ارائه می دهد و گزینه های بالقوه ای مناسب برای پروفایل بیان ژن ارائه می دهد که ممکن است دسترسی به اطلاعات آسیب شناسی مورد نیاز برای تصمیم گیری بالینی به طور کلی و شیمی درمانی به طور خاص را افزایش دهد.”

چندین نویسنده روابط اقتصادی با صنعت داروسازی را نشان دادند.

چکیده / متن کامل

حق چاپ © 2021 روز سلامت. همه حقوق محفوظ است.
روز سلامتی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *