探测具有预后相关性的胶质母细胞瘤组织学与临床模式
图像与视频处理
2023-05-16 v2 计算机视觉与模式识别
摘要
胶质母细胞瘤是中枢神经系统最常见且最具侵袭性的成人恶性肿瘤，预后极差，形态学与分子谱具有异质性。自采用当前标准治疗 18 年来，未见显著的预后改善。利用先进计算方法从组织病理学全切片图像（WSI）并结合临床数据准确预测患者总生存期（OS），可优化临床决策与患者管理。此处，我们聚焦于从与 OS 相关的 H&E 染色 WSI 及临床数据中识别具有预后相关性的胶质母细胞瘤特征。WSI 的具体方法依赖于对明显伪影内容的全面筛选，以及通过弱监督基于注意力的多示例学习算法实现的 Interpretability 机制，该算法进一步利用聚类来约束搜索空间。自动定位的高诊断价值模式将每张 WSI 分类为短生存期或长生存期代表。随后分别使用 XGBoost 与 SHapley Additive exPlanations（SHAP），在孤立及整合方式下对关联临床患者数据的预后相关性进行进一步评估。识别与短、长 OS 相关的肿瘤形态学及临床模式，将使临床神经病理学家能够向治疗团队提供额外的相关预后信息，并为理解和潜在治疗胶质母细胞瘤的生物学研究指明途径。
引用
@article{arxiv.2302.00669,
title = {Detecting Histologic & Clinical Glioblastoma Patterns of Prognostic Relevance},
author = {Bhakti Baheti and Sunny Rai and Shubham Innani and Garv Mehdiratta and Sharath Chandra Guntuku and MacLean P. Nasrallah and Spyridon Bakas},
journal= {arXiv preprint arXiv:2302.00669},
year = {2023}
}