Prediction of recurrence risk in endometrial cancer with multimodal deep learning

子宫内膜癌 组织病理学 辅助治疗 医学 病态的 佐剂 阶段(地层学) 随机对照试验 个性化医疗 癌症 金标准(测试) 肿瘤科 内科学 妇科 病理 生物信息学 生物 古生物学
作者
Sarah Volinsky-Fremond,Nanda Horeweg,Sonali Andani,Jurriaan Barkey Wolf,Maxime W. Lafarge,Cor D. de Kroon,Gitte Ørtoft,Estrid Høgdall,Jouke Dijkstra,Jan J. Jobsen,Ludy Lutgens,Melanie Powell,Linda Mileshkin,Helen Mackay,Alexandra Léary,Dionyssios Katsaros,Hans W. Nijman,Stephanie M. de Boer,Remi A. Nout,Marco de Bruyn,David N. Church,Vincent T.H.B.M. Smit,Carien L. Creutzberg,Viktor H. Koelzer,Tjalling Bosse
出处
期刊:Nature Medicine [Springer Nature]
卷期号:30 (7): 1962-1973
标识
DOI:10.1038/s41591-024-02993-w
摘要

Abstract Predicting distant recurrence of endometrial cancer (EC) is crucial for personalized adjuvant treatment. The current gold standard of combined pathological and molecular profiling is costly, hampering implementation. Here we developed HECTOR (histopathology-based endometrial cancer tailored outcome risk), a multimodal deep learning prognostic model using hematoxylin and eosin-stained, whole-slide images and tumor stage as input, on 2,072 patients from eight EC cohorts including the PORTEC-1/-2/-3 randomized trials. HECTOR demonstrated C-indices in internal ( n = 353) and two external ( n = 160 and n = 151) test sets of 0.789, 0.828 and 0.815, respectively, outperforming the current gold standard, and identified patients with markedly different outcomes (10-year distant recurrence-free probabilities of 97.0%, 77.7% and 58.1% for HECTOR low-, intermediate- and high-risk groups, respectively, by Kaplan–Meier analysis). HECTOR also predicted adjuvant chemotherapy benefit better than current methods. Morphological and genomic feature extraction identified correlates of HECTOR risk groups, some with therapeutic potential. HECTOR improves on the current gold standard and may help delivery of personalized treatment in EC.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
可靠从云完成签到 ,获得积分10
刚刚
深情安青应助777采纳,获得10
1秒前
郭剑勇发布了新的文献求助10
3秒前
ShengZonghao发布了新的文献求助10
3秒前
3秒前
chuu完成签到,获得积分10
5秒前
萌兰完成签到,获得积分10
5秒前
yyy发布了新的文献求助10
6秒前
龍焱完成签到,获得积分10
6秒前
7秒前
于是真的发布了新的文献求助30
8秒前
11秒前
郭剑勇完成签到,获得积分10
11秒前
cannon8发布了新的文献求助10
11秒前
认真搞科研啦完成签到,获得积分10
12秒前
Cindy发布了新的文献求助10
16秒前
冬瓜熊完成签到,获得积分10
19秒前
酆不二完成签到,获得积分10
21秒前
龚嫦君完成签到,获得积分10
22秒前
Marvi完成签到,获得积分10
23秒前
25秒前
ZhangR完成签到,获得积分10
26秒前
Cindy完成签到,获得积分10
27秒前
vivian完成签到 ,获得积分10
27秒前
Jun发布了新的文献求助30
27秒前
28秒前
29秒前
麻黄汤中用桂枝完成签到 ,获得积分10
29秒前
lr完成签到,获得积分20
30秒前
Owen应助子车半烟采纳,获得10
31秒前
31秒前
三年半完成签到,获得积分10
33秒前
DDDuan完成签到 ,获得积分10
34秒前
科研通AI2S应助科研通管家采纳,获得30
35秒前
Oliver应助科研通管家采纳,获得10
35秒前
香蕉觅云应助科研通管家采纳,获得10
35秒前
充电宝应助科研通管家采纳,获得30
35秒前
Oliver应助科研通管家采纳,获得30
35秒前
FashionBoy应助科研通管家采纳,获得10
35秒前
张大快乐完成签到 ,获得积分10
35秒前
高分求助中
Sustainability in Tides Chemistry 2000
The ACS Guide to Scholarly Communication 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
Ожившие листья и блуждающие цветы. Практическое руководство по содержанию богомолов [Alive leaves and wandering flowers. A practical guide for keeping praying mantises] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3078956
求助须知:如何正确求助?哪些是违规求助? 2731662
关于积分的说明 7519794
捐赠科研通 2380350
什么是DOI,文献DOI怎么找? 1262214
科研通“疑难数据库(出版商)”最低求助积分说明 611840
版权声明 597396