摘要
摘要目的通过深度学习方法,探讨病理形态学与乳腺癌HER2过表达/扩增的关系。方法采集2012—2018年中日友好医院345张乳腺癌HE染色切片,所有样本均拥有HER2的准确诊断结果,并包含0、1+、2+、3+多种HER2类型。数字化扫描后,204张用于弱监督模型训练,141张用于模型测试。在训练过程中,首先通过癌区识别模型,提取热点区域,随后将热点区域输入弱监督分类模型进行深度学习模型的建立。在测试过程中,对比使用单阈值与双阈值策略的效果,验证双阈值策略在临床可用性方面的作用。结果在单阈值策略下,深度学习模型可达到81.6%的灵敏度及42.1%的特异度,AUC=0.67[95%CI(0.560,0.778)]。采用双阈值策略,模型的灵敏度为96.3%,特异度达到89.5%。结论仅使用HE组织学切片,通过深度学习技术,能够以一定的准确率实现乳腺癌HER2基因状态的预测。基于双阈值策略,能够以高灵敏度和特异度筛出大量样本。
出版日期
2021年04月09日(中国期刊网平台首次上网日期,不代表论文的发表时间)