计算机辅助的ER+乳腺癌组织病理学预后与Oncotype DX检测结果相关的生存结果

目前，预测淋巴结阴性、雌激素受体阳性乳腺癌（LN-，ER+ BC）患者疾病生存和结局的金标准是基于基因表达的检测，Oncotype DX。在本文中，我们提出了一种新颖的计算机辅助预后（CAP）方案，该方案利用定量图像信息预测患者结果，类似于Oncotype DX复发评分（RS），高RS意味着差的结果，反之亦然。虽然数字病理学使组织标本适用于计算机辅助诊断（CAD）以进行疾病检测，但我们的CAP方案是首个预测疾病结果和患者生存的方案。由于肿瘤分级已知与疾病结果相关，低分级意味着良好的结果，反之亦然，我们的CAP方案捕捉反映BC分级的定量图像特征。我们的方案首先通过期望最大化驱动的算法半自动检测BC细胞核。使用核重心，构建两个图（德劳内三角剖分和最小生成树），并从每个图像中提取总共12个特征。非线性降维方案图嵌入将图像派生的特征投影到低维空间中，而支持向量机在降低维度的空间中对BC图像进行分类。在37个样本的队列中，对于100次3折随机交叉验证，支持向量机在区分低RS和高RS样本方面的平均准确率为84.15%，区分低分级和高分级BC的平均准确率为84.12%。通过GE将高维图像特征数据投影到所有BC样本的1D线中，显示出低、中、高BC分级之间的明显分离，这反过来与低、中、高RS具有高度相关性。结果表明，我们基于图像的CAP方案可能为预测BC结果提供了一种比Oncotype DX更便宜的替代方案。