基于人工智能 Gleason 分级预测前列腺癌特异性死亡
计算机视觉与模式识别
2022-03-31 v1 机器学习
摘要
前列腺癌的 Gleason 分级是一项重要的预后因素，但可重复性较差，尤其在非亚专科病理医生中。尽管人工智能（A.I.）工具已展现出与专家病理医生相当的 Gleason 分级能力，但 A.I. 分级是否能转化为更好的预后评估仍是一个开放问题。在本研究中，我们开发了一个通过基于 A.I. 的 Gleason 分级来预测前列腺癌特异性死亡风险的系统，并随后在来自单一欧洲中心的 2,807 例前列腺切除病例的独立回顾性队列上评估了其对患者风险分层的能力，随访期为 5–25 年（中位数：13，四分位距 9–17）。该 A.I. 的风险评分对前列腺癌特异性死亡的 C 指数为 0.84（95%CI 0.80–0.87）。将这些风险评分离散化为类似于病理医生分级组（GG）的风险组后，A.I. 的 C 指数为 0.82（95%CI 0.78–0.85）。在原始病理报告中具有 GG 的病例子集（n=1,517）上，A.I. 连续与离散分级的 C 指数分别为 0.87 和 0.85，而报告中 GG 的 C 指数为 0.79（95%CI 0.71–0.86）。这分别代表 0.08（95%CI 0.01–0.15）和 0.07（95%CI 0.00–0.14）的提升。我们的结果表明，基于 A.I. 的 Gleason 分级可实现有效的风险分层，并值得进一步评估以改进疾病管理。
引用
@article{arxiv.2012.05197,
title = {Predicting Prostate Cancer-Specific Mortality with A.I.-based Gleason Grading},
author = {Ellery Wulczyn and Kunal Nagpal and Matthew Symonds and Melissa Moran and Markus Plass and Robert Reihs and Farah Nader and Fraser Tan and Yuannan Cai and Trissia Brown and Isabelle Flament-Auvigne and Mahul B. Amin and Martin C. Stumpe and Heimo Muller and Peter Regitnig and Andreas Holzinger and Greg S. Corrado and Lily H. Peng and Po-Hsuan Cameron Chen and David F. Steiner and Kurt Zatloukal and Yun Liu and Craig H. Mermel},
journal= {arXiv preprint arXiv:2012.05197},
year = {2022}
}