《JAMA Oncol》：深度學習(xí)算(suàn)法用(yòng)于評價前列腺癌Gleason分(fēn)級
來(lái)源: | 作者:ahszlfzs | 發布時(shí)間: 2020-09-17 | 13310 次浏覽 | 分(fēn)享到:
活檢标本的(de)Gleason分(fēn)級是前列腺癌治療方案的(de)重要參考标準，但是不同醫師判斷的(de)Gleason分(fēn)級差異很大(dà)，因此需要決策支持工具來(lái)提高(gāo)常規臨床實踐中Gleason分(fēn)級的(de)可(kě)重複性。近期著名雜(zá)志《JAMA》刊文，介紹了(le)深度學習(xí)算(suàn)法在此領域的(de)應用(yòng)。研究人(rén)員(yuán)使用(yòng)了(le)752個(gè)福爾馬林(lín)固定石蠟包埋的(de)前列腺針芯活檢标本的(de)數字化(huà)圖像對(duì)深度學習(xí)系統進行評估。每個(gè)标本由6位高(gāo)年資泌尿專科醫師組成的(de)專家小組評估Gleason分(fēn)級，第3位專家負責回顧評估結果不一緻的(de)标本。爲了(le)減少診斷的(de)不确定性，所有專科醫生都能獲得(de)每個(gè)活檢标本的(de)免疫組織化(huà)學染色切片和(hé)3張組織學切片。作爲比較，還(hái)邀請19位一般病理(lǐ)學醫師對(duì)活檢标本進行診斷。

在腫瘤活檢标本中（n = 498），深度學習(xí)系統與專家小組的(de)Gleason分(fēn)級診斷一緻率（71.7％； 95％CI，67.9％-75.3％）顯著高(gāo)于一般病理(lǐ)學醫師與專家小組的(de)一緻率（58.0％； 95％CI，54.5％-61.4％）（P ＜0.001）。來(lái)自外部驗證組（n = 322）的(de)活檢标本的(de)亞分(fēn)析中，深度學習(xí)系統的(de)Gleason分(fēn)級診斷一緻率仍然相似。爲區(qū)分(fēn)腫瘤和(hé)非腫瘤活檢标本（n = 752），深度學習(xí)系統與專家小組的(de)一緻率爲94.3％（95％CI，92.4％-95.9％），病理(lǐ)學醫師和(hé)專家小組的(de)一緻率爲94.7％（95％CI，92.8％ -96.3％）（P = 0.58）。在這(zhè)項研究中，深度學習(xí)系統比一般病理(lǐ)學醫師在前列腺穿刺針活檢标本的(de)Gleason分(fēn)級診斷中顯示出更高(gāo)的(de)熟練度。未來(lái)需評估深度學習(xí)系統作爲臨床工作流程決策支持工具的(de)潛在作用(yòng)，提高(gāo)前列腺分(fēn)級在臨床治療決策的(de)效果。

原文鏈接：https://jamanetwork.com/journals/jamaoncology/fullarticle/2768225?resultClick=1
Nagpal K, Foote D, Tan F, et al. Development and Validation of a Deep Learning Algorithm for Gleason Grading of Prostate Cancer From Biopsy Specimens. JAMA Oncol. 2020;6(9):1372–1380. doi:10.1001/jamaoncol.2020.2485
  
首頁 >> 學術前沿 >> 《JAMA Oncol》：深度學習(xí)算(suàn)法用(yòng)于評價前列腺癌Gleason分(fēn)級