論文の概要: Development and Validation of a Deep Learning-Based Microsatellite Instability Predictor from Prostate Cancer Whole-Slide Images

• arxiv url: http://arxiv.org/abs/2310.08743v1
• Date: Thu, 12 Oct 2023 22:09:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 15:24:08.131720
• Title: Development and Validation of a Deep Learning-Based Microsatellite Instability Predictor from Prostate Cancer Whole-Slide Images
• Title（参考訳）: 前立腺癌全画像からの深層学習型マイクロサテライト不安定予測器の開発と検証
• Authors: Qiyuan Hu, Abbas A. Rizvi, Geoffery Schau, Kshitij Ingale, Yoni Muller, Rachel Baits, Sebastian Pretzer, A\"icha BenTaieb, Abigail Gordhamer, Roberto Nussenzveig, Adam Cole, Matthew O. Leavitt, Rohan P. Joshi, Nike Beaubier, Martin C. Stumpe, Kunal Nagpal
• Abstract要約: マイクロサテライト不安定高(MSI-H)は免疫チェックポイントインヒビター治療のための腫瘍非依存バイオマーカーである。 我々は、日常的なH&Eスライドの大規模実世界コホート上で、AIベースのMSI-H診断モデルを開発し、検証した。 このアルゴリズムは前立腺癌患者を免疫療法に誘導し、リンチ症候群に続発するMSI-H症例を同定する可能性がある。
• 参考スコア（独自算出の注目度）: 1.4942902702740595
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Microsatellite instability-high (MSI-H) is a tumor agnostic biomarker for immune checkpoint inhibitor therapy. However, MSI status is not routinely tested in prostate cancer, in part due to low prevalence and assay cost. As such, prediction of MSI status from hematoxylin and eosin (H&E) stained whole-slide images (WSIs) could identify prostate cancer patients most likely to benefit from confirmatory testing and becoming eligible for immunotherapy. Prostate biopsies and surgical resections from de-identified records of consecutive prostate cancer patients referred to our institution were analyzed. Their MSI status was determined by next generation sequencing. Patients before a cutoff date were split into an algorithm development set (n=4015, MSI-H 1.8%) and a paired validation set (n=173, MSI-H 19.7%) that consisted of two serial sections from each sample, one stained and scanned internally and the other at an external site. Patients after the cutoff date formed the temporal validation set (n=1350, MSI-H 2.3%). Attention-based multiple instance learning models were trained to predict MSI-H from H&E WSIs. The MSI-H predictor achieved area under the receiver operating characteristic curve values of 0.78 (95% CI [0.69-0.86]), 0.72 (95% CI [0.63-0.81]), and 0.72 (95% CI [0.62-0.82]) on the internally prepared, externally prepared, and temporal validation sets, respectively. While MSI-H status is significantly correlated with Gleason score, the model remained predictive within each Gleason score subgroup. In summary, we developed and validated an AI-based MSI-H diagnostic model on a large real-world cohort of routine H&E slides, which effectively generalized to externally stained and scanned samples and a temporally independent validation cohort. This algorithm has the potential to direct prostate cancer patients toward immunotherapy and to identify MSI-H cases secondary to Lynch syndrome.
• Abstract（参考訳）: マイクロサテライト不安定高(MSI-H)は免疫チェックポイントインヒビター治療のための腫瘍非依存バイオマーカーである。 しかし、msiの状況は前立腺癌では定期的な検査を受けておらず、その原因の一部は、感染率の低下と検査コストの低下によるものである。 したがって、ヘマトキシリンおよびエオシン(h&e)染色全スライダー画像(wsis)からのmsi状態の予測は、診断検査の恩恵を受け、免疫療法を受ける可能性が最も高い前立腺がん患者を同定することができる。 当院に紹介された前立腺癌患者の前立腺生検と非同定記録による外科的切除について検討した。 そのmsiは次世代のシークエンシングによって決定された。 カットオフ前の患者はアルゴリズム開発セット(n=4015,msi-h 1.8%)と、各サンプルから2つのシリアルセクションで構成されたペア検証セット(n=173,msi-h 19.7%)に分割された。 カットオフ後の患者は時間的検証セット(n=1350, MSI-H 2.3%)を形成した。 注意に基づく複数インスタンス学習モデルは、H&E WSIからMSI-Hを予測するために訓練された。 msi-h予測器は、内部準備、外部準備、時間検証セット上でそれぞれ0.078(95%ci [0.69-0.86])、 0.72(95%ci [0.63-0.81])、 0.72(95%ci [0.62-0.82])の動作特性曲線値の下の領域を達成した。 MSI-HはGleasonスコアと有意に相関するが,各Gleasonスコアサブグループ内では予測的のままであった。 要約すると,本研究では,日常h&eスライドの大きな実世界コホート上にaiベースのmsi-h診断モデルを開発し,検証を行った。 このアルゴリズムは前立腺癌患者を免疫療法に誘導し、リンチ症候群に続発するMSI-H症例を同定する可能性がある。

関連論文リスト

• Advanced Meta-Ensemble Machine Learning Models for Early and Accurate Sepsis Prediction to Improve Patient Outcomes [0.0]
  本報告では, 全身性炎症性反応症候群, 早期警戒スコア, クイックシークエンシャル臓器不全評価など, 従来の敗血症スクリーニングツールの限界について検討する。 本稿では,機械学習技術 - ランダムフォレスト, エクストリームグラディエントブースティング, 決定木モデル - を用いて, セプシスの発症を予測することを提案する。 本研究は,これらのモデルについて,精度,精度,リコール,F1スコア,受信器動作特性曲線の下での領域といった重要な指標を用いて,個別かつ組み合わせたメタアンサンブルアプローチで評価する。
  論文  参考訳（メタデータ） (2024-07-11T00:51:32Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from a Prospective Multicenter Study [1.2397589403129072]
  AIはメラノーマの検出を強化するのに役立つことが証明されている。 現存する研究は、サンプルサイズが低いこと、同質なデータセットが多すぎること、希少なメラノーマ亜型の欠如によって制限されている。 メラノーマの診断精度と皮膚科医の診断精度を比較検討し, 確立されたメラノーマ検出用オープンソースアルゴリズムである「All Data is Ext」(ADAE)を評価した。
  論文  参考訳（メタデータ） (2024-01-25T14:03:54Z)
• A Fully Automated Pipeline Using Swin Transformers for Deep Learning-Based Blood Segmentation on Head CT Scans After Aneurysmal Subarachnoid Hemorrhage [0.0]
  我々は,自発性くも膜下出血(SAH)患者に対して,人工知能による完全自動血液分画ツールを開発し,その妥当性を検証した。 神経節下出血(aSAH)と診断された症例のNCCTスキャンをSwin UNETRを用いて経時的に解析した。
  論文  参考訳（メタデータ） (2023-12-29T10:57:51Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Deep Learning for fully automatic detection, segmentation, and Gleason Grade estimation of prostate cancer in multiparametric Magnetic Resonance Images [0.731365367571807]
  本稿では,PCa-suspect 患者から前立腺 mpMRI を抽出するDeep Learning に基づく完全自動システムを提案する。 PCaの病変を特定し、それらを分類し、最も可能性の高いGleason grade group(GGG)を予測する。 ProstateXトレーニングシステムのコードはhttps://github.com/OscarPellicer/prostate_lesion_detection.comで公開されている。
  論文  参考訳（メタデータ） (2021-03-23T16:08:43Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。