Clin Cancer Res:逆天的人工智能,仅根据HE染色片即可判断是否存在HPV感染!
2021-01-20 MedSci原创 MedSci原创
口咽鳞状细胞癌(OPSCC)中的人乳头状瘤病毒(HPV)具有致瘤性,与烟草、酒精等致癌物引起的OPSCC相比,具有良好的预后。与此同时,人工智能(机器学习)已经发展成为一种强大的工具,可以预测各种来源
口咽鳞状细胞癌(OPSCC)中的人乳头状瘤病毒(HPV)具有致瘤性,与烟草、酒精等致癌物引起的OPSCC相比,具有良好的预后。与此同时,人工智能(机器学习)已经发展成为一种强大的工具,可以预测各种来源的医学影像的分子和细胞变化。
Sebastian等根据常规苏木精伊红(HE)染色片建立了基于深度学习的HPV预测评分(HPV-ps),并在来自两个不同地点(OPSCC;Giessen n=163;Cologne, n=110)的273名患者中评估了其预测HPV相关性的表现。然后,在594例患者(Giessen、Cologne,、HNSCC TCGA)中评估了其预后相关性。
此外,研究人员还调查了病理学家(n=4)是否能根据HE染色片识别HPV相关性(n=152),并将结果与人工智能进行了比较。
HPV-ps在两个队列中的表现
结果显示,虽然病理学家能够从HE染色片中诊断出HPV相关性(中位AUC=0.74),但病理学家间的可靠性很低(Light κ=0.37;p=0.129),而在两个独立的队列(n=273)中使用HPV-ps进行识别的表现优于病理学家(AUC=0.8)。
根据HPV-ps结果对OPSCC患者预后分层:A Giessen;B Cologne
在3个队列的594位患者中,HPV-ps可鉴别出预后较好的个体(Giessen OPSCC,HR=0.55,p<0.0001;Cologne OPSCC,HR=0.44,p=0.0027;TCGA 非OPSCC,HR=0.69,p=0.0073)。有趣的是,当HPV-ps结合p16状态时可进一步将患者分层(Giessen,HR=0.06,p<0.0001;Cologne, HR=0.3,p=0.046)。
总之,利用深度学习结合常规HE染色检测OPSCC中的HPV相关性,可以作为单一生物标志物,或结合p16基因状态,以识别预后良好的OPSCC患者;该方法的预后意义可能优于联合HPV-DNA/p16基因状态作为患者分层的生物标志物。
原始出处:
Klein Sebastian,Quaas Alexander,Quantius Jennifer et al. Deep Learning Predicts HPV Association in Oropharyngeal Squamous Cell Carcinomas and Identifies Patients with a Favorable Prognosis Using Regular H&E Stains. Clin Cancer Res, 2020, undefined: undefined.
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或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。
在此留言
#HPV感染#
97
了解
0
#人工智能#无所不在!用于HPV感染检测
203