基于预治疗组织片图像预测三阴性乳腺癌化疗反应
定量方法
2025-07-29 v2 计算机视觉与模式识别
图像与视频处理
摘要
三阴性乳腺癌（TNBC）因其侵袭性强且缺乏靶向治疗药物而 remains a major clinical challenge。准确预测新辅助化疗（NACT）的反应对于指导个体化治疗策略和改善患者预后至关重要。本研究提出一种基于注意力机制的多实例学习（MIL）框架，用于从治疗前HE染色组织切片直接预测病理完全缓解（pCR）。该模型在174例TNBC患者的回顾性队列上训练，并在独立队列（n=30）上进行外部验证。在五折交叉验证中实现0.85的平均ROC曲线下面积（AUC），外部测试为0.78，显示出稳健的预测性能和良好的可推广性。为增强模型可解释性，我们将注意力图在空间上与多染色免疫组织化学（mIHC）数据共定位，该数据染色了PD-L1、CD8+ T细胞和CD163+巨噬细胞。注意力区域与免疫丰富区域呈中度空间重叠，PD-L1、CD8+ T细胞和CD163+巨噬细胞的平均交并比（IoU）分别为0.47、0.45和0.46。这些生物标志物在高注意力区域的存在支持其与TNBC化疗反应的生物学相关性。这不仅改进了模型的可解释性，也可能为从HE染色组织切片中直接识别临床可操作组织学生物标志物提供思路，进一步支持该方法在准确预测NACT反应方面的实用性，推动TNBC精准医学的发展。
引用
@article{arxiv.2505.14730,
title = {Predicting Neoadjuvant Chemotherapy Response in Triple-Negative Breast Cancer Using Pre-Treatment Histopathologic Images},
author = {Hikmat Khan and Ziyu Su and Huina Zhang and Yihong Wang and Bohan Ning and Shi Wei and Hua Guo and Zaibo Li and Muhammad Khalid Khan Niazi},
journal= {arXiv preprint arXiv:2505.14730},
year = {2025}
}