基于深度学习的客观可复现骨肉瘤化疗反应评估与预后预测
计算机视觉与模式识别
2022-08-10 v1
摘要
骨肉瘤是最常见的原发性骨癌，其标准治疗包括术前化疗后手术切除。化疗反应用于预测患者预后及进一步处理。坏死在术后根据切除标本的组织学切片常规评估，其中坏死比定义为坏死肿瘤与总体肿瘤之比。已知坏死比 >=90% 的患者预后更好。从多张玻璃切片人工显微镜评估坏死比为半定量，且可能存在观察者内与观察者间差异。我们提出一种客观、可复现的基于深度学习的方法，从扫描的苏木精-伊红全切片图像估计坏死比并进行预后预测。我们收集了 103 例骨肉瘤病例共 3134 张 WSI 以训练深度学习模型、验证坏死比评估并评价预后预测。我们训练了 Deep Multi-Magnification Network 在像素级分割包括存活肿瘤与坏死肿瘤在内的多种组织亚型，并从多张 WSI 计算病例级坏死比。我们显示分割模型估计的坏死比与专家手动评估的病理报告坏死比高度相关，其中 IV 级（100%）、III 级（>=90%）和 II 级（>=50% 且 <90%）坏死反应的绝对平均差异分别为 4.4%、4.5% 和 17.8%。我们成功对患者进行分层，以 p=10^-6 预测总生存，以 p=0.012 预测无进展生存。我们无差异的可复现方法使我们能为我们的模型与数据集将截断阈值调至 OS 80% 与 PFS 60%。我们的研究表明深度学习可作为客观工具支持病理学家从组织学分析骨肉瘤以评估治疗反应并预测患者预后。
引用
@article{arxiv.2208.04910,
title = {Deep Learning-Based Objective and Reproducible Osteosarcoma Chemotherapy Response Assessment and Outcome Prediction},
author = {David Joon Ho and Narasimhan P. Agaram and Marc-Henri Jean and Stephanie D. Suser and Cynthia Chu and Chad M. Vanderbilt and Paul A. Meyers and Leonard H. Wexler and John H. Healey and Thomas J. Fuchs and Meera R. Hameed},
journal= {arXiv preprint arXiv:2208.04910},
year = {2022}
}