关键词:
膀胱癌
病理
全视野数字切片
深度学习
生存预后
摘要:
目的基于苏木精-伊红(HE)染色切片肿瘤区域提取深度学习特征构建膀胱癌患者生存预后的预测模型。方法收集癌症基因组图谱(TCGA)数据库379例膀胱癌患者的临床资料[包含450张全视野数字切片(WSI)],以及暨南大学附属广东省第二人民医院2017年9月至2024年5月收治的179例膀胱癌患者的临床资料(包含244张WSI)。应用ResNet50模型进行迁移学习,识别肿瘤区域。应用RetCCL模型提取深度学习特征,通过单因素Cox回归与LASSO回归对提取的深度学习特征进行筛选,并构建风险评分模型。采用最大化选择秩统计量的方法,确定深度学习特征风险评分的最佳截断值,据此将患者分为高危组与低危组,通过Kaplan-Meier生存曲线比较两组生存预后。通过Cox回归分析影响膀胱癌患者生存预后的因素,并基于筛得风险因素指标构建列线图模型。通过校正曲线与决策曲线分析(DCA)综合评估该模型的校准度与临床净获益。结果应用RetCCL模型对所有WSI进行特征提取(每张WSI有14336个特征),通过单因素Cox分析得到22个有预后预测价值的特征,进一步对这22个特征进行LASSO回归分析,得到16个回归系数非0的特征。基于此16个病理深度学习特征和对应的回归系数构建膀胱癌患者的风险评分模型。针对TCGA数据库和该院临床资料的分析结果表明,基于深度学习特征风险评分,高危组的总生存期显著短于低危组(P<0.05)。多因素Cox回归分析结果显示,深度学习特征风险级别、M分期是影响膀胱癌患者生存预后的独立风险因素(P<0.05)。基于此二指标构建预测膀胱癌患者生存预后的列线图模型。校正曲线显示模型预测患者术后1年、3年和5年生存率与实际生存率之间表现出良好的一致性。DCA结果显示,在术后1年、3年和5年的生存预后方面,该预测模型决策可取得较好的临床净获益。结论基于HE染色切片图像深度学习特征构建的膀胱癌患者生存预后预测模型具有良好的预测效能,可为临床提供精准的个体化预后评估工具。