医院Liao等应用基于病理学图像特征的人工智能学习模型,区分肝细胞癌(HCC)和邻近的正常肝组织,并预测肝癌患者手术切除后的预后,相关结果近期发表在AnnSurgOncol杂志。
研究者利用计算机方法构建了一条全自动的流水线,用于分析HCC患者组织病理学切片的定量特征。这些医院肿瘤基因组图谱和组织芯片库中的HCC患者的苏木精-伊红(HE)染色切片。所提取的特征被用于训练统计模型,该模型通过机器学习的方法对组织切片进行分类并预测患者的生存结果。
每张组织病理切片共提取个定量图像特征。将HCC与邻近的正常组织区分开来,受试者操作特征曲线下面积(AUC)分别为0.(测试集)和0.(外部验证集)。使用46个特征的随机预后模型能够根据分配的风险评分将每组患者分为长期或短期生存组。此外,研究者建立的预后模型在预测患者术后不同时间点的生存率方面,显示出与TNM分期系统相当的预测准确性。
研究者表示,这种基于图像特征的机器学习模型可以帮助临床医生进行HCC的诊断和肝切除术后的预后预测。
原文链接:LiaoH,XiongT,PengJ,XuL,LiaoM,ZhangZ,WuZ,YuanK,ZengY.ClassificationandPrognosisPredictionfromHistopathologicalImagesofHepatocellularCarcinomabyaFullyAutomatedPipelineBasedonMachineLearning.AnnSurgOncol.Jan8.
(来源:《国际肝病》编辑部)
在看点这里推荐文章
热点文章