2024年美国临床肿瘤学会（ASCO）年会已于美国东部时间5月31日至6月4日在芝加哥隆重举行，会上公布的一项研究[1]结果表明人工智能（AI）可显著提高卵巢癌同源重组缺陷（HRD）诊断效率，从而帮助临床医生为卵巢癌患者制定个体化治疗方案，从而推进HRD相关卵巢癌精准诊疗。本文将对该研究进行详细解读，以飨读者。


研究背景


在卵巢癌诊断领域，预测HRD对于个体化治疗策略至关重要。组织病理学被认为是癌症诊断、治疗和预后的金标准。全切片成像，是一种通过将生物组织制备成薄片，并通过显微镜观察和记录的技术，可获得高分辨率的组织结构信息。与传统的切片显微镜相比，全切片成像方法具有快速、高分辨率和非破坏性等优势，现已在许多病理学实验室中采用，从而可以对这些全切片成像中包含的大量形态特征进行深度学习分析。本研究旨在直接根据卵巢癌组织样本的全切片成像预测HRD状态。


研究方法


本研究引入了一种深度神经网络（DNN）的AI技术，利用细胞水平形态学信息和组织水平形态学特征的融合样模型，通过从HE和HES染色的肿瘤切片的全切片成像中预测卵巢癌患者的HRD状态。DNN算法采用5倍分层框架，使用交叉测试和交叉验证技术对151例患者的至少一个全切片成像进行训练和评估，这些患者来自一个发现数据集。然后将该模型在可获取HRD状态的癌症基因组图谱（TCGA）（n=93）中进行验证，并在PAOLA-1研究的外部队列中，评估了经过训练和验证的模型。


该模型以x20的比例从区块中提取特征，将其反馈到具有注释层（允许模型解释）的聚合器中，然后给出第一分数的分类层；第二部分使用手工制作的卷积DNN利用分割的组织，从而产生第二个分数，然后将这些数据集合，得到最终评分（缺陷概率）（图1）。其中选择临界值以允许拟定模型的临床使用。


 图片1.png

图1. 用于训练模型的流程图


研究结果


根据曲线下面积（AUC）评估了HRD状态预测的性能。所提出的架构在发现队列上的交叉验证折叠中实现了74.5%的AUC，在交叉测试折叠中实现了73.3%的AUC（图2）。在TCGA中达到的AUC为67%。PAOLA-1研究外部队列数据集的验证正在进行。

 

图片2.png

图2. 使用AUC评估交叉验证（CV）和交叉测试（CT）折叠中的模型性能


总结与思考


卵巢癌作为死亡率最高的妇科恶性肿瘤，如何改善卵巢癌患者生存预后，是妇瘤医生和患者的共同期许。随着医学技术的进步和靶向药物的不断研发，靶向治疗为诸多伴有明确靶点的恶性肿瘤患者带来延长生存的希望。


目前已知与卵巢癌相关的遗传易感基因约有20个，其中以BRCA基因影响最为显著[2]。随着精准治疗观念的深入贯彻，临床医生对卵巢癌患者进行BRCA1/2基因检测已达成共识，认为其对于指导维持治疗的方案、药物选择和评估患者预后及生存尤为重要[3]。HRD检测的应用也将PARP抑制剂的生存获益由既往25%左右的BRCA突变人群扩大至50%左右的卵巢癌人群[4]。


今年ASCO年会公布的该研究通过利用DNN的算法，为HRD预测提供一种快速且可扩展的解决方案，从而克服了传统分子检测的局限性。与分子检测相比，这种深度学习模型成功地集成到常规病理学工作流程中可以显著提高诊断效率，减少周转时间和财务成本。这种AI算法最终可以帮助临床医生为卵巢癌患者制定具有针对性的治疗干预措施，从而在HRD相关卵巢癌的背景下推进精准医疗。


精准医疗，检测先行。DNN的AI算法为卵巢癌HRD状态的诊断带来了重大突破，这一进展不仅提高了诊断的准确性，能够更准确地识别HRD状态，这对于选择合适的治疗方案至关重要。HRD状态的检测可以帮助临床医生确定患者是否适合使用PARP抑制剂等靶向治疗药物，从而提高治疗效果，延长患者的无进展生存期（PFS）和总生存期（OS）。总之，DNN的AI算法在卵巢癌HRD状态诊断中的应用，为精准医疗带来了新的曙光，具有深远的临床意义和社会价值。

 

参考文献：

[1].Frenel JS, Bossard C, Rynkiewicz J, et al. Artificial intelligence to predict homologous recombination deficiency in ovarian cancer from whole-slide histopathological images.2024 ASCO, Abstr 5578.

[2].中华人民共和国国家卫生健康委员会.卵巢癌诊疗指南（2022年版）[J].中华人民共和国国家卫生健康委员会官网,2022.

[3].李璡,温灏,刘淑娟,等.2023年中国卵巢癌诊疗现状白皮书[J].中国实用妇科与产科杂志,2023,39(12):1225-1232.

[4].中华医学会妇科肿瘤学分会. 卵巢癌PARP抑制剂临床应用指南(2022版)[J].肿瘤综合治疗电子杂志,2022,8(03):64-77.


本材料由阿斯利康支持，仅供医疗卫生专业人士参考。

审批编号:CN-146085

过期日期:2025-10-27