欢迎来到滴度
资讯

机器学习模型计算癌症患者化疗成功率

2024-01-06 来源: drugdu 130

坏死百分比（PN）——化疗后被视为无效或“死亡”的肿瘤比例——的计算是癌症骨肉瘤生存结果的重要预测指标。例如，99%的PN表示99%的肿瘤已经死亡，表明患者对化疗的积极反应和潜在的更好的生存前景。病理学家通常通过仔细检查、解释和标记全玻片图像（WSI）来评估PN，全玻片图像是为显微镜检查准备的标本（如骨组织）的详细横截面。然而，这种传统方法不仅耗时且需要专业知识，而且观察者之间的差异也很大。这意味着两位病理学家可能会报告来自同一WSI的不同PN估计。现在，一个为计算PN而创建和训练的机器学习模型表明，与肌肉骨骼病理学家的结果相比，其计算正确率为85%，排除异常值后，准确率提高到99%。
约翰斯·霍普金斯医学院（美国马里兰州巴尔的摩）的一个研究团队正在开发一种“弱监督”机器学习模型，该模型不需要大量的注释数据进行训练。通过这样做，病理学家只需要提供部分注释的WSI，大大减轻了他们的工作量。为了开发机器学习模型，该团队首先从2011年至2021年间接受化疗和手术的髓内骨肉瘤（起源于骨骼内）患者中收集WSI。然后，肌肉骨骼病理学家在这些WSI上部分标记了三种组织类型：活动肿瘤、死亡肿瘤和非肿瘤组织，并提供了每个病例的PN估计值。这些数据为模型的训练奠定了基础。
对模型进行了识别和分类图像模式的训练。WSI被分成数千个较小的斑块，根据病理学家的标签分组，然后输入模型。这一过程旨在为模型提供一个更稳健的参考框架，而不仅仅是为其提供一个大型的WSI。训练完成后，该模型与肌肉骨骼病理学家一起对两名患者的六个WSI进行了测试。结果表明，模型和病理学家之间的PN计算和组织标记具有85%的相关性。然而，该模型难以准确标记软骨，导致一个WSI上软骨丰富，从而出现异常。当这个异常值被去除后，相关性飙升至99%。未来的工作将集中在将软骨组织纳入模型的训练中，并扩大WSIs的范围，以涵盖各种骨肉瘤类型，而不仅仅是髓内骨肉瘤。
该研究的第一作者之一、约翰斯·霍普金斯医学院整形外科住院医师克里斯塔·利布里齐医学博士表示：“如果这个模型得到验证和生产，它可以帮助加快对患者化疗有效性的评估，从而更快地对患者的预后做出估计。这将降低医疗保健成本，并减轻肌肉骨骼病理学家的劳动负担。”

来源：
https://www.labmedica.com/pathology/articles/294799814/machine-learning-model-calculates-chemotherapy-success-in-patients-with-bone-cancer.html

责编: editor
分享到: 
版权著作，未经滴度drugdu.com书面授权，严禁转载，违者将被追究法律责任。
相关News

热门标签

FDA两票制乳腺癌仿制药全球推广医贸技巧展会市场报告梯瓦海关疫苗糖尿病药品注册诺华资质认证赛诺菲辉瑞银屑病

您已成功订阅，无需重复提交。

确认

邮件订阅

请输入正确邮箱！

订阅

邮件订阅热门医贸资讯，了解第一手信息。

更多

行业动态更多

更多