机器学习模型计算癌症患者化疗成功率
2024-01-06
来源: drugdu
186
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
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
- 百雀羚涉事产品无违规 官旗日销售额上涨500% 2024-11-23
- 7.5亿license in，中国药企海外挣钱海外花 2024-11-23
- 火箭材料龙头，4亿押注医学影像 2024-11-23
- 司美格鲁肽减重版正式登陆中国市场 2024-11-23
- 国家医保局与40多家龙头企业开会，释放了什么信号？ 2024-11-23
