Sci Rep：通过深度学习对前列腺癌组织芯片的自动化格林森评分研究
2018-08-24 AlexYang MedSci原创
格林森评分系统从20世纪60年代开始一直是前列腺癌患者有利的预后预测因子。该评分系统的使用需要高强度训练过的病理学家，并且单一乏味，并且病理学家之间的重复性比较差，尤其是对那些格林森评分中等的患者重复性更差。自动化的注释程序能够为克服这些限制提供一个可行的方案。最近，有研究人员通过前列腺癌组织芯片的苏木精和伊红染色，呈现了一种自动化注释格林森评分的深度学习方法。他们的系统是使用详细的格林森注释进行
格林森评分系统从20世纪60年代开始一直是前列腺癌患者有利的预后预测因子。该评分系统的使用需要高强度训练过的病理学家，并且单一乏味，并且病理学家之间的重复性比较差，尤其是对那些格林森评分中等的患者重复性更差。自动化的注释程序能够为克服这些限制提供一个可行的方案。
最近，有研究人员通过前列腺癌组织芯片的苏木精和伊红染色，呈现了一种自动化注释格林森评分的深度学习方法。他们的系统是使用详细的格林森注释进行训练的，这些注释来源于641名患者群体，并且研究人员利用他们的系统随后对由2名病理学家注释过的245名患者进行了独立的群体测试。研究发现，模型和每位病理学家注释的一致性科恩二次Kappa统计值分别为0.75和0.71，这与病理学家之间的一致性是相当的（kappa=0.71）。进一步的是，模型的格林森评分作业能够基于测试群体的疾病特异性生存数据，能够获得病理学家专家水平的患者分层。
最后，研究人员指出，他们的研究表明了利用深度学习方法来获得更加客观和可重复性的前列腺评分是非常有前景的，尤其是对那些具有异质性格林森模式的案例。
原始出处：
Eirini Arvaniti， Kim S. Fricker， Michael Moret et al. Automated Gleason grading of prostate cancer tissue microarrays via deep learning. Sci Rep. 13 Aug 2018.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
作者：AlexYang
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#格林森评分#
40
#自动化#
49
#芯片#
0
很好的学习机会
85