Deep-ODX: أداة فعّالة للتعلم العميق لتصنيف مخاطر مرضى سرطان الثدي من صور علم الأمراض النسيجية

سرطان الثدي هو أكثر أنواع السرطان شيوعًا التي يتم تشخيصها لدى النساء ويسبب أكثر من 40,000 وفاة سنويًا في الولايات المتحدة. في سرطان الثدي الغازي المبكر من النوع HR+ وHER2-، يختبر اختبار Oncotype DX (ODX) لمعدل تكرار سرطان الثدي خطر التكرار وفائدة العلاج الكيميائي. ومع ذلك، فإن هذا الاختبار الجيني مكلف ويستغرق وقتًا طويلاً، مما يجعله غير متاح للعديد من المرضى. تقترح هذه الدراسة نهجًا جديدًا للتعلم العميق، Deep-ODX، الذي يقوم بتوقع خطر تكرار ODX استنادًا إلى صور علم الأمراض الروتينية المصبوغة بـH&E. Deep-ODX هو نموذج تعلم متعدد الحالات يستفيد من شبكة عصبية ذات انتباه متقاطع لتجميع الحالات. قمنا بتدريب وتقييم Deep-ODX على مجموعة بيانات صور شريحة كاملة تم جمعها من 151 مريضًا بسرطان الثدي. ونتيجة لذلك، يحقق Deep-ODX AUC بمقدار 0.862 على مجموعتنا، متفوقًا على نماذج التعلم العميق الحالية. تشير هذه الدراسة إلى أن طرق التعلم العميق يمكنها توقع نتائج ODX من صور علم الأمراض النسيجية، مما يوفر حلًا تنبؤيًا محتملًا وفعّال التكلفة وبإمكانية وصول أوسع.