基于病理穿刺切片组织形态学分析的乳腺癌新辅助化疗疗效预测

目的利用深度学习的方法对乳腺癌患者接受新辅助化疗(NAC)前的穿刺切片进行肿瘤区域和细胞核的自动分割,提取肿瘤区域细胞群特征,从而对乳腺癌NAC病理缓解程度进行预测。方法收集在江苏省人民医院接受NAC治疗前的68位乳腺癌患者的术前穿刺HE染色切片,两位病理医生对其中12张穿刺切片进行了肿瘤区域的标记,其中8张作为训练集,4张作为测试集,剩余的56张由训练好的肿瘤区分割模型进行肿瘤分割。运用UNet++建立分割模型,分别对乳腺癌病理穿刺切片肿瘤区域和细胞核进行自动分割;然后,根据自动分割的肿瘤区域内细胞核,构建肿瘤内细胞层次的特征;最后运用特征选择方法选择有效的特征,通过五折交叉验证训练分类器模型预测NAC的病理缓解程度的高低。结果基于68位患者的病理穿刺切片进行预测,最大相关最小冗余(m RMR)的特征选择方法筛选出的10个维度特征和随机森林(RF)分类器结合训练的模型预测结果的准确率最高,准确率达到82.35%,曲线下面积(AUC)值达到0.9082。结论本模型能够在切片病理图像上自动分割肿瘤区域和细胞核,构建的肿瘤区域细胞核群的特征能够预测患者对NAC的病理缓解程度,方法可靠且可重复性较高,同时发现肿瘤区域细胞核纹理特征在预测中效果较好,进一步证实了肿瘤区域细胞核群对疗效预测具有重要意义。