清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
天涯眷客发布了新的文献求助10
刚刚
爱静静应助科研通管家采纳,获得30
15秒前
34秒前
玛琳卡迪马完成签到,获得积分10
49秒前
陆黑暗完成签到 ,获得积分10
49秒前
ZYN完成签到,获得积分10
49秒前
你好完成签到 ,获得积分10
50秒前
霁昕完成签到 ,获得积分10
59秒前
aiyawy完成签到 ,获得积分10
1分钟前
平常从蓉完成签到,获得积分10
1分钟前
段誉完成签到 ,获得积分10
1分钟前
木南大宝完成签到 ,获得积分10
1分钟前
喜洋洋完成签到,获得积分10
1分钟前
科研通AI2S应助喜洋洋采纳,获得10
1分钟前
赘婿应助bestbanana采纳,获得10
1分钟前
lanxinge完成签到 ,获得积分10
1分钟前
摆渡人发布了新的文献求助10
2分钟前
摆渡人完成签到,获得积分10
2分钟前
孟寐以求完成签到 ,获得积分10
2分钟前
2分钟前
yuehan完成签到 ,获得积分10
2分钟前
勤劳的颤完成签到 ,获得积分10
2分钟前
xun发布了新的文献求助10
3分钟前
九五式自动步枪完成签到 ,获得积分10
3分钟前
Java完成签到,获得积分10
3分钟前
cc完成签到,获得积分10
3分钟前
维维完成签到 ,获得积分10
3分钟前
jameslee04完成签到 ,获得积分10
4分钟前
整齐的惮完成签到 ,获得积分10
4分钟前
刘文莉完成签到 ,获得积分10
4分钟前
TTDY完成签到 ,获得积分10
4分钟前
奶糖喵完成签到 ,获得积分10
5分钟前
dichunxia完成签到,获得积分10
5分钟前
wenbinvan完成签到,获得积分0
5分钟前
无言完成签到 ,获得积分10
5分钟前
共享精神应助xun采纳,获得10
5分钟前
缺粥完成签到 ,获得积分10
5分钟前
萧水白完成签到,获得积分10
5分钟前
无辜的行云完成签到 ,获得积分0
6分钟前
活力的茉莉完成签到 ,获得积分10
6分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 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 3137039
求助须知:如何正确求助?哪些是违规求助? 2788014
关于积分的说明 7784284
捐赠科研通 2444088
什么是DOI,文献DOI怎么找? 1299724
科研通“疑难数据库(出版商)”最低求助积分说明 625522
版权声明 600999