Meejeong Kim, Philip Chikontwe, Heounjeong Go, Jae Hoon Jeong, Su-Jin Shin4, Sang Hyun Park*, Soo Jeong Nam*
背景:マイクロサテライト不安定性 (MSI) は、大腸がんの臨床的に重要なサブタイプです。臨床診断のためのデジタル病理学におけるディープラーニング技術の有望なパフォーマンスにもかかわらず、臨床病理学的因子がこれらのモデルのパフォーマンスに与える影響はほとんど見過ごされてきました。
方法:合計 931 枚の大腸がんの全スライド画像 (WSI) を使用して、ディープラーニング アルゴリズムを開発および検証し、WSI レベルの MSI 確率と臨床病理学的変数を分析しました。
結果:内部コホートと外部コホートの両方で、私たちのディープラーニング モデルは、受信者動作曲線下面積 (AUROC) がそれぞれ 0.901 と 0.908 を達成しました。粘液性癌または印環細胞癌の成分の存在により、モデルの MSI 予測能力が向上しました (HR=19.73、P=0.026)。逆に、術前化学放射線療法を受けた腫瘍 (HR=0.03、P=0.002) と転移を伴う腫瘍 (HR=0.01、P=0.016) は、マイクロサテライト安定性 (MSS) と関連する可能性が高くなることが示されました。
結論:モデルの臨床適用性を保証するためには、モデルのパフォーマンスに影響を及ぼす可能性のある多様な実際の臨床病理学的背景を考慮し、MSI 予測のためのディープラーニングベースのアプローチを綿密に検証することが不可欠です。