יעילות מודל למידה עמוקה לפרוגנוזה של אוסטאוסרקומה

פרוגנוזה לאחר כימותרפיה ניאו-אדג'ובנטית (NAC) לאוסטאוסרקומה ניתנת לחיזוי בדרך כלל באמצעות הערכות ידניות של שיעור נמק. עם זאת, שיעורי הנמק המתקבלים בהערכות אלו אינם ניתנים לשחזור ואינם משקפים כראוי תגובות תאים בודדות.

החוקרים ביקשו לבחון האם צפיפות תאי גידול קיימא המוערכת באמצעות מודל למידה עמוקה (DLM) משקפת את הפרוגנוזה של אוסטאוסרקומה.

71 חולים הוכללו במחקר. בתחילה, ה-DLM הוכשר לזהות תאי גידול ברי קיימא ולאחר מכן חישב את הצפיפות שלהם. המטופלים חולקו לקבוצות צפיפות תאי גידול גבוהים ונמוכים בהתבסס על מדידות DLM, וניתוח הישרדות בוצע כדי להעריך הישרדות ספציפית למחלה והישרדות ללא גרורות (DSS ו-MFS בהתאמה). קבוצת צפיפות תאי הגידול הגבוהה הציגה DSS גרועים יותר (p = 0.023) ו-MFSי(p = 0.033).

החוקרים הסיקו כי צפיפות קיימא שהוערכה על ידי DLM הראתה ריבוד נכון של קבוצות פרוגנוזה. לכן, שיטת הערכה זו עשויה לאפשר ריבוד מדויק של הפרוגנוזה בחולי אוסטאוסרקומה המטופלים ב-NAC.

מקור:

Kawaguchi, K., Miyama, K., Endo, M. et al. Viable tumor cell density after neoadjuvant chemotherapy assessed using deep learning model reflects the prognosis of osteosarcoma. npj Precis. Onc. 8, 16 (2024). https://doi.org/10.1038/s41698-024-00515-y

הירשמו לקבלת עדכונים בנושאים שעלו בכתבה