전립선암에서 1차 종양 조직으로부터 림프절 전이를 예측하기 위한 딥러닝 접근법

목적: 이미 확립된 위험 요소에 맞춘 집단에서 합성곱 신경망(CNN)에 의해 1차 종양 조직 분석을 기반으로 하는 새로운 디지털 바이오마커를 개발하여 림프절 전이(LNM)를 예측하는 것입니다. 환자 및 방법: 근치 전립선 절제술을 받은 Gleason 점수, 종양 크기, 정맥 침범, 신경 주위 침범 및 나이에 맞춘 Haematoxylin과 eosin (H 116 N0) 샘플을 선택하여 CNN을 훈련하고 LN 상태 예측 능력을 평가했습니다. 결과: 동일한 데이터를 사용하여 훈련된 10개 모델로 평균 수신기 조작 특성 곡선(AUROC) 아래 면적은 0.68 (95% 신뢰 구간 CI 0.678-0.682)이고 평균 균형 정확도는 61.37% (95% CI 60.05-62.69%)에 도달했습니다. 평균 민감도와 특이도는 각각 53.09% (95% CI 49.77-56.41%) 및 69.65% (95% CI 68.21-71.1%)였습니다. 이러한 결과는 교차 검증을 통해 확인되었습니다. LNM 예측을 위한 확률 점수는 N+ 샘플의 이미지 섹션에서 유의미하게 높았습니다 (평균 SD N+ 확률 점수 0.58 0.17 대 0.47 0.15 N0 확률 점수, P = 0.002). 다변량 분석에서 CNN의 확률 점수(오즈 비율 OR 1.04, 95% CI 1.02-1.08; P = 0.04) 및 림프혈관 침범(OR 11.73, 95% CI 3.96-35.7; P < 0.001)은 LNM의 독립적인 예측 인자로 나타났습니다. 결론: 현재 연구에서 CNN 기반 이미지 분석은 H&E 조직학으로부터 직접 환자의 LN 상태를 예측하기 위해 관련 예후 정보를 추출하는 잠재적인 새로운 저비용 방법으로 유망한 결과를 보여주었습니다. 우리의 일반적으로 이용 가능한 기술은 개선된 LN 상태 예측에 기여할 수 있습니다.