Ein Norwegisch-led research group entwickelte eine klinisch nützliche prognostischer marker mit Hilfe von deep learning und digitalen Scannen von herkömmlichen hematoxylin-und eosin-gefärbten tumor-gewebeschnitte. Der assay wurde ausführlich bewertet im großen, unabhängigen Patientenpopulationen, entspricht und übertrifft die etablierten molekularen und morphologischen prognostischen Marker, und bietet konsistente Ergebnisse in tumor-und Knoten-Stadium.
Die biomarker-stratifizierte Phase-II-und III-Patienten in ausreichend verschiedene prognostische Gruppen. Das tool hat das Potenzial zu führen, die Auswahl der adjuvanten Behandlung von Vermeidung-Therapie in der very low-risk-Gruppen, und zur gleichen Zeit, die Identifizierung von Patienten, die profitieren von der intensiveren Behandlung Regime.
Die neue Methode, die erkennt, die DoMore-v1-CRC-marker, heißt histotyping.
Validiert
Mehr als 12,000,000 Bild Fliesen von Patienten mit einer deutlich guten oder schlechten Krankheitsverlauf von vier Kohorten wurden verwendet, um Zug insgesamt 10 convolutional neural networks Zweck-gebaut für die Klassifizierung von super-sized heterogenes Bild. Ein prognostischer biomarker für die Integration der 10 Netzwerke wurde anhand von Patienten mit einer nicht eindeutigen Ergebnis.
Die Forscher testeten 920 Patienten mit Folien vorbereitet in Großbritannien, die unabhängig, validiert gemäß einem vordefinierten Protokoll 1122 Patienten, die mit single-agent capecitabin mit Folien vorbereitet in Norwegen. Alle Kohorten eingeschlossen nur Patienten mit resektablen Tumoren, und ein formalin-fixed, paraffin-embedded tumor tissue-block für die Analyse verfügbar. Der primäre Endpunkt war das Krebsspezifische überleben.
Acht hundert zwanzig und acht Patienten aus vier Gruppen hatten unterschiedliche Ergebnisse und wurden als Trainings-Gruppe zu erhalten, klar ground truth. 1645 Patienten hatten eine nicht eindeutige Ergebnis und wurden für tuning.
Die biomarker-vorausgesetzt, ein hazard-ratio für schlechte versus gute Prognose von 3·84 (95% CI 2·72-5·43; p<0·0001) in die primäre Analyse der Validierung Kohorte. Nach der Anpassung für etablierte prognostische Marker signifikant in univariable Analysen der gleichen Kohorte, (pN-Stadium, pT-Stadium, lymphatische invasion, die venöse vaskuläre invasion) war die hazard ratio 3·04 (2·07-4·47; p<0·0001).
Die Reduzierung der Anzahl der unklaren Prognosen
Die Methode unterscheidet zwischen verschiedenen Stadien des Krebses und zwischen Patienten in gleichen Stufen, aber mit unterschiedlichen Prognosen, mit Hilfe von deep learning und neuronale Netze. Mit dem heutigen pathologischen Methoden, so viele wie 80% der Patienten am Ende mit unklarer Prognose. Mit der neuen KI-basierte Methode, ist hat diese Zahl reduziert sich auf 12%. Die Forscher hinter der Markierung erwarten, dass es ein nützliches Werkzeug für die Wahl der Behandlung.