抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の研究では,膀胱癌が世界で10の最も一般的な癌である。膀胱癌はしばしば再発し,予後判断は臨床医の間で異なる可能性がある。病理組織スライドの分類は膀胱癌患者の正確な予後と効果的な治療に必須であり,良好な予後は,より積極的な治療計画を知らせるのを助ける可能性がある。自動化および正確な組織病理学画像分析法の開発は,膀胱癌の予後を決定する際に病理学者を助けることができる。本研究では,膀胱癌の全スライド病理組織像を2つのクラス,すなわち低リスク(PUNLMPと低グレード腫瘍の組み合わせ)と高リスク(高悪性度と浸潤性腫瘍の組み合わせ)に分類するための深い学習パイプラインであるBlad4Netを導入した。このパイプラインは4つの畳込みニューラルネットワーク(CNN)ベースの分類器から成り,PUNLMPと侵入クラスの同定の困難さに対処した。1994年~2004年に採取したNew Hampshire Blad Cancer Study(NHBCS)[22][23][24]から182の独立した全スライド画像,および癌ゲノムアトラス(TCGA)データベース[26]から378の外部デジタル化スライドから,著者らのパイプラインを評価した。本アプローチの加重平均F1スコアは,NHBCSデータセットで0.91(95%信頼区間(CI):0.86~0.94),TCGAデータセットで0.99(95%CI:0.97~1.00)であった。さらに,高リスクと予測される患者に対するKaplan-Meier生存曲線を低リスクとして予測した患者に対して計算した。NHBCS試験セットに対して,高リスクとして予測された患者は,0.004のログランクP値を伴って,低リスクとして予測された患者よりも,より悪い全生存率を有した。前向き試験を通して検証すれば,著者らのモデルは患者治療を改善するために臨床設定で使用できる。【JST・京大機械翻訳】