JAMA Oncol：前列腺癌格林森分级的一种深度学习算法的开发和验证
2020-08-28 AlexYang MedSci原创
在前列腺癌中，生物活检样本的格林森分级在确定治疗方案中具有关键的作用。然而，Gleason分级与大量观察者间的差异有关，因此需要决策支持工具来改善Gleason分级在常规临床实践中的可重复性。最近，有
在前列腺癌中，生物活检样本的格林森分级在确定治疗方案中具有关键的作用。然而，Gleason分级与大量观察者间的差异有关，因此需要决策支持工具来改善Gleason分级在常规临床实践中的可重复性。最近，有研究人员评估了一种深度学习系统（DLS）对诊断前列腺活检样本的分级能力情况。
研究结果发现，含肿瘤活检标本验证集（n=498）的分级中，DLS（71.7%；95%CI，67.9%-75.3%）与亚专科医生的一致率显著高于普通病理医生与亚专科医生的一致率（58.0%；95%CI，54.5%-61.4%）（P<0.001）。在来自外部验证集活检样本的子分析中（n=322），DLS的格林森分级能力仍然与上述结果相似。另外，对于从含肿瘤的活检标本中区分非肿瘤（n=752），DLS与亚专科医生的一致率为94.3%（95%CI，92.4%-95.9%），与普通病理学家的一致率为94.7%（95% CI，92.8%-96.3%）（P=0.58）。
深度学习系统（DLS）和病理学家与亚专科医生在包含肿瘤活检样本中的格林森分级一致率比较
DLS结果呈现展示图
最后，研究人员指出，DLS在前列腺针刺活检样本的格林森分级方面表现出了比普通病理学家更高的熟练度，并在独立机构中得到推广。未来的研究需要评估使用DLS作为决策支持工具在临床工作流程中的潜在效用，并为治疗决策提高前列腺癌分级的质量。
原始出处：
Kunal Nagpal， Davis Foote， Fraser Tan et al. Development and Validation of a Deep Learning Algorithm for Gleason Grading of Prostate Cancer From Biopsy Specimens. JAMA Oncol. 2020
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
#Oncol#
71
顶刊就是顶刊，谢谢梅斯带来这么高水平的研究报道，我们科里同事经常看梅斯，分享梅斯上的信息
74
谢谢梅斯分享这么多精彩信息
80
前列腺癌相关研究，学习了，谢谢梅斯
80
DLS在#前列腺针刺活检#样本的#Gleason分级#方面表现出了比普通病理学家更高的熟练度
187
希望分级越来越准确。
110