文章
［前列腺癌］病理诊断进展
病理诊断 [2-文献标题及链接：Development and Validation of a Deep Learning Algorithm for Gleason Grading of Prostate Cancer From Biopsy Specimens. 开发和验证一个深度学习算法用于前列腺癌活检标本的格里森分级] JAMA Oncol. 2020 Jul 23. doi: 10.1001/jamaoncol.2020.2485. 前列腺癌活检标本的格里森分级在病例管理中起关键作用。然而，格里森分级在观察者间存在显著差异，因此需要决策支持工具来提高常规临床实践中格里森分级的可重复性。 【目的】评估深度学习系统（deep learning system，DLS）对前列腺活检标本诊断分级的能力。 【方法】使用 752 张未识别的数字化图像对 DLS 进行评估，这些图像均为福尔马林固定、石蜡包埋的前列腺穿刺活检标本，这些标本来自美国 3 家机构，包括 1 家不用于 DLS 开发的机构。为了获得格里森分级组（Gleason grade group，GG），每个标本首先由 6 人组成的多机构小组中的 2 名泌尿外科专家进行审查（经验年限：平均 25 年；范围，18-34 年）。 第三位小组专家审查存在分歧的案例，以得出多数人的意见。为了减少诊断的不确定性，所有小组专家对每个活检标本都可以使用一个免疫组织化学染色切片和 3 个组织学切片。审查在 2018 年 12 月至 2019 年 6 月进行。在将每个含肿瘤的标本归为 5 类中的 1 类时，DLS 与小组专家的多数意见完全一致率排序为：非肿瘤、GG1、GG2、GG3 或 GG4-5。为了进行对比，研究者评估了 19 名普通病理学家意见与小组专家多数意见的一致率。 【结果】在验证组（n = 498）中对含肿瘤的活检标本分级，小组专家与 DLS 的一致率（71.7%；95% CI，67.9%-75.3%）显著高于普通病理学家（58.0%；95% CI，54.5%-61.4%）（P＜0.001）。在来自外部验证组（n = 322）的活检标本的亚组分析中，DLS 格里森分级能力相似。在区分非肿瘤和肿瘤活检标本方面（n = 752），DLS 与小组专家的一致率为 94.3%（95% CI，92.4%-95.9%），与普通病理学家的一致率为 94.7%（95% CI，92.8%-96.3%）（P = 0.58）。 【结论】在这项研究中，DLS 对前列腺穿刺活检标本进行格里森分级的熟练程度高于普通病理学家，并可推广到独立机构。未来的研究需要评估在临床工作流程中使用 DLS 作为决策支持工具的潜在效用，以提高前列腺癌分级治疗决策的质量。
戴文斌
副主任医师
华东医院
1537人阅读
查看详情
桂公网安备 45050202000590号 桂ICP备202200128号-5
