博学笃行，与时俱进

LEARNED RESOURCEFUL ,TIMES

首页 >> 学术前沿 >> 《JAMA Oncol》：深度学习算法用于评价前列腺癌Gleason分级
  
《JAMA Oncol》：深度学习算法用于评价前列腺癌Gleason分级
来源: | 作者:ahszlfzs | 发布时间: 2020-09-17 | 12720 次浏览 | 分享到:
活检标本的Gleason分级是前列腺癌治疗方案的重要参考标准，但是不同医师判断的Gleason分级差异很大，因此需要决策支持工具来提高常规临床实践中Gleason分级的可重复性。近期著名杂志《JAMA》刊文，介绍了深度学习算法在此领域的应用。研究人员使用了752个福尔马林固定石蜡包埋的前列腺针芯活检标本的数字化图像对深度学习系统进行评估。每个标本由6位高年资泌尿专科医师组成的专家小组评估Gleason分级，第3位专家负责回顾评估结果不一致的标本。为了减少诊断的不确定性，所有专科医生都能获得每个活检标本的免疫组织化学染色切片和3张组织学切片。作为比较，还邀请19位一般病理学医师对活检标本进行诊断。

在肿瘤活检标本中（n = 498），深度学习系统与专家小组的Gleason分级诊断一致率（71.7％； 95％CI，67.9％-75.3％）显著高于一般病理学医师与专家小组的一致率（58.0％； 95％CI，54.5％-61.4％）（P ＜0.001）。来自外部验证组（n = 322）的活检标本的亚分析中，深度学习系统的Gleason分级诊断一致率仍然相似。为区分肿瘤和非肿瘤活检标本（n = 752），深度学习系统与专家小组的一致率为94.3％（95％CI，92.4％-95.9％），病理学医师和专家小组的一致率为94.7％（95％CI，92.8％ -96.3％）（P = 0.58）。在这项研究中，深度学习系统比一般病理学医师在前列腺穿刺针活检标本的Gleason分级诊断中显示出更高的熟练度。未来需评估深度学习系统作为临床工作流程决策支持工具的潜在作用，提高前列腺分级在临床治疗决策的效果。

原文链接：https://jamanetwork.com/journals/jamaoncology/fullarticle/2768225?resultClick=1
Nagpal K, Foote D, Tan F, et al. Development and Validation of a Deep Learning Algorithm for Gleason Grading of Prostate Cancer From Biopsy Specimens. JAMA Oncol. 2020;6(9):1372–1380. doi:10.1001/jamaoncol.2020.2485
学校宣传片  School propaganda film