الملخص 6175: التنبؤ بالبقاء على قيد الحياة لسرطان الكبدة الكبدية باستخدام التعلم العميق من صور الشرائح الكاملة

الملخص هناك حاجة متزايدة إلى مصنّفات لتصنيف التنبؤ بشكل فعال لدى مرضى سرطان الكبدة الكبدية (HCC). لا يزال استخراج خصائص تنبؤية قابلة للتفسير باستخدام نماذج التنبؤ القائمة على التعلم العميق (DL) من صور علم الأمراض تحديًا. في هذه الدراسة، طورنا نهجًا حسابيًا يعتمد على التعلم العميق للتنبؤ بالبقاء الكلي (OS) لمرضى HCC من صور شرائح الأنسجة المثبتة بالفورمالين والمضمّدة في البارافين. تم تطوير نموذج DL لتصنيف التنبؤ الجيد والرديء بين 460 مريضًا في مجموعتين مستقليتين من مستشفى سيول سانت ماري. كانت النتيجة الأولية هي البقاء الكلي. شملت مجموعة التدريب (SSM1، n = 292) مرضى HCC الذين خضعوا لاستئصال جراحي. تم اختبار المصنف بعد ذلك بشكل مستقل على مجموعة بيانات HCC الثانية (SSM2، n = 168). كانت المساحة تحت منحنى الاستقبال التشغيلي (AUC) لمنحنيات ROC 0.850 و0.781 لمجموعتي SSM1 وSSM2 على التوالي. بالإضافة إلى ذلك، حاولنا إنشاء نموذج DL للتنبؤ بالبقاء الكلي استنادًا إلى الخصائص السريرية الباثولوجية، بما في ذلك درجة Edmondson-Steiner، ومرحلة pT، والغزو الوعائي، ومؤشر Ki-67، وتعبير الكيراتين السيتوبلازمي 19 المناعي. تم تطبيق نموذج الغابة العشوائية لتصنيف مجموعات التنبؤ الجيد والرديء، وكانت قيم AUROC للنموذج 0.705 لمجموعة بيانات SSM1، وهي أقل من توقعات التعلم العميق. تشير هذه النتائج إلى أن تقنيات التعلم العميق يمكن تطبيقها لتحسين التنبؤ المساعد لمرضى HCC. صيغة الاقتباس: Sung Hak Lee، Hyun-Jong Jang. التنبؤ بالبقاء باستخدام التعلم العميق لسرطان الكبدة الكبدية من صور الشرائح الكاملة. في: وقائع الاجتماع السنوي للرابطة الأمريكية لأبحاث السرطان 2024؛ الجزء 1 (الملخصات العادية)؛ 5-10 أبريل 2024؛ سان دييغو، كاليفورنيا. فيلادلفيا (PA): AACR؛ Cancer Res 2024;84 (6Suppl): الملخص رقم 6175.