ANN ONCOL：软组织肉瘤（STS）诊断及生存预测的新进展
来源：本站原创 2021-09-06 18:25
近期，S.Foersch教授及其团队深入学习了5种最常见的STS亚型，并对平滑肌肉瘤(lms)最常见的亚型进行了更深入的研究，并能够仅根据肿瘤的组织形态来区分预后良好或不良的患者。
2021年9月6号 讯/生物谷BIOON/ 软组织肉瘤(STSs)是一种间充质起源的恶性肿瘤，具有高度异质性，有许多不同的亚型。虽然与其他肿瘤实体相比，STSs较为罕见，但它发病率在过去十年中稳步上升，年轻患者不断增多，某些肉瘤亚型是导致年轻患者死亡的主要原因。对于STSs来说，准确的分类是非常重要的，因为这些肿瘤在生物学行为、临床预后和对治疗的反应上都有很大的差异。所以，病理学在STS的临床管理中起着关键作用。
近期，S.Foersch教授及其团队深入研究了5种最常见的STS亚型，并对平滑肌肉瘤(lms)最常见的亚型进行了更深入的研究，并能够仅根据肿瘤的组织形态来区分预后良好或不良的患者。
该研究为多中心、回顾性研究，共纳入291例STS患者的506张组织病理切片。癌症基因组图谱队列(240例患者)作为验证组。第二组多中心队列(51例患者)作为额外的试验组。采用DL（deep learning）模型(DLM)作为临床决策支持系统，由9名具有不同专业水平的病理学家进行评估。为了评估预后，研究人员使用了85例平滑肌肉瘤(LMS)患者的139张切片。
临床病例和患者特点
DLM诊断5种最常见STS亚型的平均AUROC（ Area under the receiver operating characteristic）为0.97(0.01)，准确率为79.9%(6.1%)。DLM显著提高了病理学家的准确率，从46.3%(15.5%)提高到87.1%(11.1%)。此外，他们的诊断速度明显更快、更准确。Cox回归分析显示，DLM预测是一个显著的独立预后因素(P = 0.008，风险比5.5,95%可信区间1.56-19.7)，优于其他危险因素。
DL可从常规组织病理切片中准确诊断STS的常见亚型。它可能用于LMS的预后评估，LMS是研究队列中最流行的STS亚型。它还可以帮助病理学家做出更快更准确的诊断。这将显著改善STS患者的临床管理。
这是研究AI在STS病理管理中应用的首批研究之一。目前有越来越多的研究试图使用机器学习算法来改进诊断，并从传统的组织病理学切片中获取其他重要的临床信息。但在分类准确率稳步提高的同时，仍有改进的空间。
近期，S.Foersch教授及其团队深入研究了5种最常见的STS亚型，并对平滑肌肉瘤(lms)最常见的亚型进行了更深入的研究，并能够仅根据肿瘤的组织形态来区分预后良好或不良的患者。
该研究为多中心、回顾性研究，共纳入291例STS患者的506张组织病理切片。癌症基因组图谱队列(240例患者)作为验证组。第二组多中心队列(51例患者)作为额外的试验组。采用DL（deep learning）模型(DLM)作为临床决策支持系统，由9名具有不同专业水平的病理学家进行评估。为了评估预后，研究人员使用了85例平滑肌肉瘤(LMS)患者的139张切片。
临床病例和患者特点
DLM诊断5种最常见STS亚型的平均AUROC（ Area under the receiver operating characteristic）为0.97(0.01)，准确率为79.9%(6.1%)。DLM显著提高了病理学家的准确率，从46.3%(15.5%)提高到87.1%(11.1%)。此外，他们的诊断速度明显更快、更准确。Cox回归分析显示，DLM预测是一个显著的独立预后因素(P = 0.008，风险比5.5,95%可信区间1.56-19.7)，优于其他危险因素。
DL可从常规组织病理切片中准确诊断STS的常见亚型。它可能用于LMS的预后评估，LMS是研究队列中最流行的STS亚型。它还可以帮助病理学家做出更快更准确的诊断。这将显著改善STS患者的临床管理。
这是研究AI在STS病理管理中应用的首批研究之一。目前有越来越多的研究试图使用机器学习算法来改进诊断，并从传统的组织病理学切片中获取其他重要的临床信息。但在分类准确率稳步提高的同时，仍有改进的空间。
原始出处：Foersch S, Eckstein M,et al.Deep learning for diagnosis and survival prediction in soft tissue sarcoma. Ann Oncol. 2021 Sep;32(9):1178-1187. doi: 10.1016/j.annonc.2021.06.007.
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
