使用自动有丝分裂检测流程预测乳腺癌生存率

有丝分裂计数是评估乳腺癌患者肿瘤增殖最常用的指标，对患者预后具有高度预测性。然而，其存在观察者间和观察者内变异以及可重复性挑战，可能限制其临床应用。既往研究表明，人工智能支持的有丝分裂计数与玻片上的传统计数具有良好的相关性。考虑到AI在提高病理医生间有丝分裂计数可重复性方面的潜力，我们进行了下一步验证，评估了使用深度学习模型在全切片图像上自动检测和计数有丝分裂的完全自动化方法的预后价值。该模型是在2021年有丝分裂领域泛化挑战赛背景下开发的，并通过一种新颖的自动区域选择方法进行了扩展，用于寻找最佳有丝分裂热点并计算每2平方毫米的有丝分裂计数。我们将此方法应用于来自乌得勒支大学医学中心的具有长期随访的乳腺癌队列，并比较了基于AI的有丝分裂计数与先前在常规诊断中评估的光镜有丝分裂计数对总生存期的预测价值。在单变量和多变量生存分析中，MIDOG21模型的预后价值与病理报告中原始的有丝分裂计数相当。总之，与传统光镜有丝分裂计数相比，全自动有丝分裂计数AI算法在一个大型乳腺癌队列中验证了其保留的预后价值。