期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于计算病理学的肿瘤微环境评分预测EGFR突变阳性非小细胞肺癌患者EGFR-TKIs疗效
1
作者 丁治民 王晗阳 +4 位作者 夏聪 王俊美 鲁丽丽 周洁 王小明 《中国肿瘤临床》 2025年第16期826-833,共8页
目的:探讨基于全视野数字切片图像(whole slide images,WSIs)计算病理学的肿瘤微环境(tumor microenvironment,TME)评分预测表皮生长因子受体(epidermal growth factor receptor,EGFR)突变阳性非小细胞肺癌(non-small cell lung cancer,... 目的:探讨基于全视野数字切片图像(whole slide images,WSIs)计算病理学的肿瘤微环境(tumor microenvironment,TME)评分预测表皮生长因子受体(epidermal growth factor receptor,EGFR)突变阳性非小细胞肺癌(non-small cell lung cancer,NSCLC)患者行表皮生长因子受体酪氨酸激酶抑制剂(EGFR-tyrosine kinase inhibitors,EGFR-TKIs)治疗的疗效。方法:回顾性分析2015年4月至2025年2月于皖南医学院第一附属医院确诊的240例EGFR突变且行EGFR-TKIs治疗NSCLC患者穿刺活检的苏木精-伊红染色(hematoxylin-eosin staining,H&E)病灶WSIs及临床、影像资料。按照2∶1比例随机分成训练集(n=160)和独立验证集(n=80)。根据EGFR-TKIs治疗3个月后的CT扫描结果判断疗效。使用计算病理学自动定量WSIs肿瘤区域内4种TME成分(肿瘤上皮、间质、淋巴及血管)的比例。基于训练集的多因素Logistic回归筛选出对疗效具有独立预测价值的TME成分(P<0.05),并构建TME评分(tumor microenvironment score,TME-score)。使用受试者工作特征曲线(receiver operating characteristic curve,ROC)及曲线下面积(AUC)评价预测效能。并与临床特征构建的模型及组合模型(TME-score+临床特征)进行比较。最后在独立数据集进行验证。结果:在训练集中,包括上皮及间质比例构建的TME-score的疗效预测的AUC为0.827(95%CI:0.749~0.892),验证集AUC=0.845(95%CI:0.735~0.937),均优于临床模型[AUC分别为0.730(95%CI:0.645~0.804)和0.712(95%CI:0.586~0.824)]。联合TME-score与临床特征(细胞角蛋白19片段、平扫CT值)后模型效能进一步提升[AUC分别为0.884(95%CI:0.827~0.932)和0.882(95%CI:0.798~0.950)]。3个模型两两比较的Delong检验显示除了验证集中TME-score与组合模型的P=0.289,其余均P<0.05。结论:TME-score在EGFR突变阳性NSCLC患者EGFR-TKIs疗效预测方面优于临床模型,可作为筛选靶向治疗获益患者的新方法。 展开更多
关键词 非小细胞肺癌 肿瘤微环境 计算病理学 表皮生长因子受体 表皮生长因子受体酪氨酸酶抑制剂 疗效预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部