Прогнозирование молекулярного онкологического биомаркера щитовидной железы BRAF (V600E) по цитологическим препаратам с использованием глубокого обучения без аннотаций

Annotation-Free Deep Learning-Based Prediction of Thyroid Molecular Cancer Biomarker BRAF (V600E) from Cytological Slides
Ching‐Wei Wang, Tai‐Kuang Chao, Hikam Muzakky, Yu‐Ching Lee, Yi‐Jia Lin
2023-01-28

мутация BRAF (V600E)глубокое обучениепрецизионная онкологиятонкоигольная аспирационная цитология щитовидной железыполноразмерные изображения стекол
Рак щитовидной железы является наиболее распространённым эндокринным раком. Папиллярный рак щитовидной железы (PTC) — наиболее частая форма злокачественных новообразований среди всех видов рака щитовидной железы, происходящих из фолликулярных клеток. Тонкоигольная аспирационная цитология (FNAC) представляет собой неинвазивный метод, который считается наиболее экономически эффективным и точным методом выбора для диагностики PTC. Выявление мутации BRAF (V600E) при неоплазиях щитовидной железы может иметь клиническую пользу, поскольку эта мутация специфична для злокачественных новообразований, указывает на худший прогноз и является мишенью селективных ингибиторов BRAF. Насколько известно авторам, это первая автоматизированная платформа прецизионной онкологии, позволяющая эффективно прогнозировать результат иммуногистохимического окрашивания на BRAF (V600E) в образцах после тиреоидэктомии непосредственно по цитологическим препаратам тонкоигольной аспирационной цитологии щитовидной железы, окрашенным по Папаниколау, и препаратам ThinPrep, что может быть полезно для разработки новых таргетных методов лечения и прогнозирования исхода заболевания. Предложенная платформа глубокого обучения (DL) была оценена на наборе данных из 118 полносканированных изображений стекол. Результаты показали, что предложенный метод на основе DL обеспечивает точность 87%, precision 94%, чувствительность 91%, специфичность 71%, а среднее значение чувствительности и специфичности составляет 81%; при этом он превзошёл три современных подхода глубокого обучения. Это исследование демонстрирует возможность прогнозирования критически важных молекулярных характеристик по цитологическим препаратам с использованием DL, что может не только способствовать точной диагностике, но и предоставлять полезную информацию для принятия клинических решений у пациентов с раком щитовидной железы. По мере накопления данных и непрерывного развития технологий ожидается дальнейшее повышение эффективности систем DL в ближайшем будущем. Поэтому мы ожидаем, что DL сможет предоставить экономически эффективный и более быстрый альтернативный инструмент для пациентов в эпоху прецизионной онкологии.
1
На наборе из 118 полноразмерных изображений модель достигла точности 87%, точности положительных предсказаний 94%, чувствительности 91% и специфичности 71%.
2
Представлен первый заявленный бессегментационный фреймворк глубокого обучения для прогнозирования иммуногистохимического статуса BRAF (V600E) непосредственно по цитологическим препаратам FNAC и ThinPrep щитовидной железы.
3
Авторы отмечают, что накопление данных и развитие технологий необходимы для дальнейшего повышения эффективности и реализации экономичного и быстрого инструмента прецизионной онкологии.
4
Результаты демонстрируют возможность прогнозирования клинически значимых молекулярных биомаркеров по цитологическим препаратам для поддержки диагностики, оценки прогноза и выбора таргетной терапии.
5
Среднее значение чувствительности и специфичности составило 81%, а предложенный метод превзошёл три современных подхода глубокого обучения.
6
Авторы отмечают, что накопление данных и развитие технологий необходимы для дальнейшего повышения эффективности и реализации экономичного и быстрого инструмента прецизионной онкологии.
7
На наборе из 118 полноразмерных изображений модель достигла точности 87%, точности положительных предсказаний 94%, чувствительности 91% и специфичности 71%.
8
Представлен первый заявленный бессегментационный фреймворк глубокого обучения для прогнозирования иммуногистохимического статуса BRAF (V600E) непосредственно по цитологическим препаратам FNAC и ThinPrep щитовидной железы.
9
Результаты демонстрируют возможность прогнозирования клинически значимых молекулярных биомаркеров по цитологическим препаратам для поддержки диагностики, оценки прогноза и выбора таргетной терапии.
10
Среднее значение чувствительности и специфичности составило 81%, а предложенный метод превзошёл три современных подхода глубокого обучения.

Папиллярный рак щитовидной железы, представленный на окрашенных по Папаниколау цитологических препаратах тонкоигольной аспирации щитовидной железы и препаратах ThinPrep

Статус иммуногистохимического/молекулярного биомаркера BRAF (V600E) и его прогнозирование по морфологии цитологических препаратов

Publication Details
Publication Date
2023-01-28
Journal
Publisher
ISSN
Cited by
44
Access Type
Author Information
Authors
Ching‐Wei Wang
Tai‐Kuang Chao
Hikam Muzakky
Yu‐Ching Lee
Yi‐Jia Lin
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%