論文の概要: Prediction of Breast Cancer Recurrence Risk Using a Multi-Model Approach
Integrating Whole Slide Imaging and Clinicopathologic Features
- arxiv url: http://arxiv.org/abs/2401.15805v1
- Date: Sun, 28 Jan 2024 23:33:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 16:26:31.545974
- Title: Prediction of Breast Cancer Recurrence Risk Using a Multi-Model Approach
Integrating Whole Slide Imaging and Clinicopathologic Features
- Title(参考訳): フルスライド画像と臨床病理学的特徴を統合したマルチモデルアプローチによる乳癌再発リスクの予測
- Authors: Manu Goyal, Jonathan D. Marotti, Adrienne A. Workman, Elaine P. Kuhn,
Graham M. Tooker, Seth K. Ramin, Mary D. Chamberlin, Roberta M.
diFlorio-Alexander, Saeed Hassanpour
- Abstract要約: 本研究の目的は,スライド画像全体と臨床病理学的データを分析し,関連する乳癌再発リスクを予測するマルチモデルアプローチを開発することである。
提案手法では,特徴抽出に畳み込みニューラルネットワーク,コンテキストアグリゲーションに視覚変換器を用いる。
- 参考スコア(独自算出の注目度): 0.6679306163028237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Breast cancer is the most common malignancy affecting women worldwide and is
notable for its morphologic and biologic diversity, with varying risks of
recurrence following treatment. The Oncotype DX Breast Recurrence Score test is
an important predictive and prognostic genomic assay for estrogen
receptor-positive breast cancer that guides therapeutic strategies; however,
such tests can be expensive, delay care, and are not widely available. The aim
of this study was to develop a multi-model approach integrating the analysis of
whole slide images and clinicopathologic data to predict their associated
breast cancer recurrence risks and categorize these patients into two risk
groups according to the predicted score: low and high risk. The proposed novel
methodology uses convolutional neural networks for feature extraction and
vision transformers for contextual aggregation, complemented by a logistic
regression model that analyzes clinicopathologic data for classification into
two risk categories. This method was trained and tested on 993 hematoxylin and
eosin-stained whole-slide images of breast cancers with corresponding
clinicopathological features that had prior Oncotype DX testing. The model's
performance was evaluated using an internal test set of 198 patients from
Dartmouth Health and an external test set of 418 patients from the University
of Chicago. The multi-model approach achieved an AUC of 0.92 (95 percent CI:
0.88-0.96) on the internal set and an AUC of 0.85 (95 percent CI: 0.79-0.90) on
the external cohort. These results suggest that with further validation, the
proposed methodology could provide an alternative to assist clinicians in
personalizing treatment for breast cancer patients and potentially improving
their outcomes.
- Abstract(参考訳): 乳癌は世界中の女性に最も多い悪性腫瘍であり、その形態学的および生物学的多様性で有名であり、治療後の再発リスクは様々である。
Oncotype DX Breast Recurrence Score testは、エストロゲン受容体陽性乳癌に対する重要な予測学的および予後学的遺伝子検査であり、治療戦略を導くが、そのような検査は高価であり、遅延ケアであり、広く利用できない。
本研究の目的は,スライド画像全体と臨床病理学的データを分析し,関連する乳癌再発リスクを予測し,これらの患者を低リスクと高リスクの2つのリスクグループに分類する多モデルアプローチを開発することである。
提案手法は, 畳み込みニューラルネットワークを用いた特徴抽出と視覚変換を行い, 臨床病理学的データを解析し, 2つのリスクカテゴリに分類するロジスティック回帰モデルによって補完する。
本法は Oncotype DX test 以前の臨床病理学的特徴を有する乳がんのヘマトキシリン933例とエオシン含有全スライディング画像を用いて訓練,試験を行った。
モデルの性能は、ダートマス・ヘルスの198人の患者とシカゴ大学の418人の患者の内部試験セットを用いて評価された。
マルチモデルアプローチは、内部セットで0.92(95% CI: 0.88-0.96)、外部コホートで0.85(95% CI: 0.79-0.90)のAUCを達成した。
以上の結果から,提案手法は,乳がん患者に対するパーソナライズ治療を支援する代替手段となり,その結果を改善できる可能性が示唆された。
関連論文リスト
- Vision Transformer-Based Deep Learning for Histologic Classification of
Endometrial Cancer [0.7591487543790509]
子宮内膜癌は、世界で6番目に多い女性がんであり、特定のタイプが再発しやすい異種集団である。
本研究では,子宮内膜癌の組織学的分類のためのトランスフォーマーベースディープラーニングアプローチであるEndoNetを紹介する。
論文 参考訳(メタデータ) (2023-12-13T19:38:50Z) - Developing a Novel Image Marker to Predict the Responses of Neoadjuvant
Chemotherapy (NACT) for Ovarian Cancer Patients [1.8210053690503532]
本研究の目的は,NATの早期に高精度な応答予測を実現するために,新しい画像マーカーを開発することである。
まず, 腫瘍の特徴を定量化するために, 1373個の放射能の特徴を計算し, その特徴を幾何学的, 強度, テクスチャ的特徴の3つのカテゴリに分類した。
このクラスタを入力として使用し、最終マーカーを作成するためにSVMベースの分類器を開発し、NACT治療に反応する可能性を示した。
論文 参考訳(メタデータ) (2023-09-13T16:59:50Z) - Recurrence-Free Survival Prediction for Anal Squamous Cell Carcinoma
Chemoradiotherapy using Planning CT-based Radiomics Model [5.485361086613949]
非転移性肛門扁平上皮癌(SCC)患者の約30%が化学療法後の再発を経験する
我々は,放射線前処置計画CTから抽出した情報を利用して,CRT後のSCC患者における再発無生存(RFS)を予測するモデルを開発した。
論文 参考訳(メタデータ) (2023-09-05T20:22:26Z) - Neural Network-Based Histologic Remission Prediction In Ulcerative
Colitis [38.150634108667774]
潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解
内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。
本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2023-08-28T15:54:14Z) - A new methodology to predict the oncotype scores based on
clinico-pathological data with similar tumor profiles [0.0]
Oncotype DX (ODX) は乳がんの分子検査である。
本研究の目的は,医師の意思決定を支援する新しい手法を提案することである。
論文 参考訳(メタデータ) (2023-03-13T10:08:13Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳(メタデータ) (2023-02-02T08:45:17Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳(メタデータ) (2022-11-10T03:02:12Z) - Exploiting segmentation labels and representation learning to forecast
therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。
セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。
提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文 参考訳(メタデータ) (2022-11-08T11:50:31Z) - BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for
Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and
Clinical Data [0.0]
本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。
提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。
ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
論文 参考訳(メタデータ) (2022-06-15T15:23:43Z) - Deep learning-based approach to reveal tumor mutational burden status
from whole slide images across multiple cancer types [41.61294299606317]
腫瘍突然変異負担(TMB)は、免疫療法の潜在的なゲノムバイオマーカーである。
ゲノムシークエンシングによって検出されたTMBは、低リソース環境での臨床透過性を欠いている。
本研究では,日常的に使用されているスライド画像からTMB状態を検出するための大規模ディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-07T07:02:32Z)
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。