基于深度学习的弥漫性大B细胞淋巴瘤复发可解释性预测

摘要背景 弥漫性大B细胞淋巴瘤（DLBCL）的异质性和侵袭性特征给治疗带来了重大挑战，约50%的患者在化疗后会出现疾病复发。提前检测复发患者可能提供替代治疗。深度学习在预测各种癌症类型的复发方面显示出潜力，但缺乏可解释性。尤其是在复发预测中，理解模型的决策最终可能导致新疗法的产生。方法 我们开发了一种基于深度学习的流程，利用公共可用队列的组织学图像预测DLBCL的复发。我们使用基于注意力的分类来突出图像中与模型分类高度相关的区域。随后，我们对这些区域内的核进行分割，计算形态特征，并对它们进行统计分析，以找出复发患者与未复发患者之间的差异。结果 我们达到了0.83的F1分数，表明我们的模型能够区分复发和未复发的患者。此外，我们发现与复发最相关的特征包括大且形状不规则的肿瘤细胞核。讨论 我们的工作强调了组织学图像在预测治疗结果中的价值，并增强了我们对DLBCL等复杂生物过程的理解。