下一代循证个性化医疗保健公司NantHealth,Inc.(纳斯达克股票代码:NH)于2020年9月29日至30日向NantOmics和ImmunityBio进行了虚拟展示。在美国癌症研究协会(AACR)胰腺癌虚拟特别会议上,主题为“深度学习基于图像的肿瘤,间质和淋巴细胞的空间关系和影响胰腺癌患者生存的临床特征” 。Nant技术是数字病理解决方案如何支持癌症治疗的一个例子。
与NantOmics , ImmunityBio合作编写以及科罗拉多大学医学院的演讲通过基质和淋巴细胞密度检查了胰腺癌患者的生存差异。在这项研究中,有贡献的研究人员开发了一种自动化的深度学习系统,可以对82位接受化疗的胰腺腺癌患者的胰腺病理图像中肿瘤,基质和淋巴细胞区域之间的空间关系进行风险评估。研究人员使用高斯混合模型,在基于图像的特征中确定了最佳阈值,并将患者组织为无监督的聚类,然后将其与生存差异联系起来。风险模型是根据标准的临床病理特征生成的,用于与建议的基于图像的风险模型进行比较。
该研究的主要发现包括:
对图像特征进行训练的Cox PH模型对看不见的测试患者的分层风险要比最佳的临床病理特征更为显着
基于图像的模型表明低风险患者具有:
尽管总淋巴细胞较少,但肿瘤浸润淋巴细胞更高
肿瘤邻近基质
事实证明,这两种风险模型的组合在训练和测试集方面均具有优越性,并且在生存曲线上的分离度优于任何一种模型
基于图像的风险相关特征可独立预后临床病理特征
即使样本量有限,结果仍显示值得进一步研究的意义
Christopher Szeto说:“我们与NantOmics,ImmunityBio和科罗拉多大学医学院的联合分析提供了具有一定意义的结果,这些结果对于使用深度学习模型作为胰腺癌患者的预后工具的未来研究具有广阔的前景。” NantHealth机器学习总监。“这些结果提供了一个强大的临床平台,不仅可以更好地了解胰腺癌以循证为基础的预后,而且可以在医学的不断发展中强化先进技术的本质。”
AACR虚拟特别会议:胰腺癌是一个会议,旨在召集各行各业的专家,以更好地了解和进一步推进胰腺癌的研究和治疗。此次会议吸引了众多参与者,包括政府,临床角色,患者倡导者以及开发突破性技术和肿瘤学发现的公司。