用于改进前列腺癌Gleason评分的深度学习算法的开发与验证
计算机视觉与模式识别
2020-06-03 v1 机器学习
摘要
对于前列腺癌患者，Gleason 评分是最重要的预后因素之一，可能独立于分期决定治疗。然而，Gleason 评分基于肿瘤形态的 subjective 显微镜检查，可重复性较差。在此我们提出一种深度学习系统（DLS）用于对前列腺切除标本全切片图像进行 Gleason 评分。我们的系统使用来自 1,226 张切片的 1.12 亿个病理医生标注图像块开发，并在 331 张切片的独立验证集上评估，其参考标准由泌尿生殖专科病理医生确立。在验证集上，29 名普通病理医生的平均准确率为 0.61。该 DLS 取得了显著更高的诊断准确率 0.70（p=0.002），并在与临床随访数据的相关性中显示出更好的患者风险分层趋势。我们的方法可提高 Gleason 评分及后续治疗决策的准确率，尤其在缺乏专科 expertise 时。该 DLS 还超越当前 Gleason 系统，能更精细地刻画和量化肿瘤形态，为 Gleason 系统本身的完善提供机会。
引用
@article{arxiv.1811.06497,
title = {Development and Validation of a Deep Learning Algorithm for Improving Gleason Scoring of Prostate Cancer},
author = {Kunal Nagpal and Davis Foote and Yun Liu and Po-Hsuan and Chen and Ellery Wulczyn and Fraser Tan and Niels Olson and Jenny L. Smith and Arash Mohtashamian and James H. Wren and Greg S. Corrado and Robert MacDonald and Lily H. Peng and Mahul B. Amin and Andrew J. Evans and Ankur R. Sangoi and Craig H. Mermel and Jason D. Hipp and Martin C. Stumpe},
journal= {arXiv preprint arXiv:1811.06497},
year = {2020}
}