面向乳腺癌复发风险的可解释预测：基于病理基础模型
组织与器官
2025-08-19 v1
摘要
转录组测序试验如PAM50-based ROR-P评分指导非转移性、ER阳性、HER2阴性乳腺癌的复发风险分层，但并非普遍可及。组织病理学常规可用且可能提供可扩展的替代方案。我们引入MAKO，是一个评估12种病理基础模型和两种非病理基线，用于从H&E染色的全切片图像预测ROR-P评分的注意力基于多实例学习框架。模型在加罗纳乳腺癌研究所进行训练和验证，并在TCGA BRCA上进行外部测试。多个基础模型在分类、回归和生存任务中均超越基线。CONCH实现了最高的ROC AUC，而H-optimus-0和Virchow2显示出与连续ROR-P评分最高的相关性。所有病理模型均类似于转录组ROR-P对CBCS参与者进行复发分层。肿瘤区域是高风险预测所必需的，并且我们识别了复发的候选组织生物标志物。这些结果凸显了在精密肿瘤学中基于组织学的风险模型的可解释潜力。
引用
@article{arxiv.2508.12025,
title = {Towards interpretable prediction of recurrence risk in breast cancer using pathology foundation models},
author = {Jakub R. Kaczmarzyk and Sarah C. Van Alsten and Alyssa J. Cozzo and Rajarsi Gupta and Peter K. Koo and Melissa A. Troester and Katherine A. Hoadley and Joel H. Saltz},
journal= {arXiv preprint arXiv:2508.12025},
year = {2025}
}