研究。借助人工智能识别出一种具有高复发风险的新型侵袭性子宫内膜癌

ProMiSE 是一种基于人工智能的新方法，可以更准确地区分子宫内膜癌的各种亚型，同时还能成功识别出以前未定义的肿瘤亚群，这些肿瘤亚群与疾病复发和死亡的高风险相关。这些是新方法得出的结论 研究发表在《自然通讯》上。

某些类型的子宫内膜癌预后良好，而其他亚型可能频繁复发。这些患者需要额外的医疗护理来预防疾病复发。迄今为止，基于病理解剖学和分子诊断区分高风险和低风险肿瘤的传统方法疗效有限。

目前的分类包括 4 种具有预后价值和治疗意义的分子亚型。最常见的亚型是 NSMP（无特定分子特征），这是一种排除性诊断，其特点是缺乏定义其他 3 种亚型的特征。NMSP 占子宫内膜肿瘤的 50%。 新算法成功识别了 NSMP 中预后不良的肿瘤亚组。

这种 NSMP 亚型占 NSMP 癌症的 20% 和所有子宫内膜癌的 10%。因此，借助 ProMiSE，可以检测出很大一部分患者，这些患者可以从额外的干预措施中受益，以限制疾病复发。

图片来源：vectorjuice 在 Freepik

在这项新研究中，基于深度学习的人工智能模型被用于识别不同的特征，该模型基于 2300 多张代表子宫内膜肿瘤的组织学图像。近 370 名子宫内膜癌患者队列被用于发现，并有两个独立的验证队列，分别包括 290 名和近 615 名患者。

通过对全基因组进行测序，我们发现 NSMP 肿瘤中拷贝数变化负荷增加，与其他 NSMP 肿瘤相比，这与生存率降低有关，且具有基因组不稳定性高的特征。

接下来，我们将评估如何将这种基于人工智能的工具与传统诊断方法整合到当前的医疗实践中。这种方法的优势在于成本效益高，并且可以根据子宫内膜癌患者的地理位置轻松调整。

即使是在远离大型诊断中心的农村或社区医院，常规组织病理学图像也可以通过 ProMiSE 进行传输和远程分析。根据亚型分配到适当的风险类别，患者可以在当地医疗机构接受必要的治疗程序。

因此，基于人工智能精准诊断子宫内膜癌的新方法可以有利于被诊断患有这种肿瘤的患者公平地获得最佳技术，无论其来源环境如何。

另请阅读：