论文部分内容阅读
目的
通过深度学习方法，探讨病理形态学与乳腺癌HER2过表达/扩增的关系。
方法采集2012—2018年中日友好医院345张乳腺癌HE染色切片，所有样本均拥有HER2的准确诊断结果，并包含0、1+、2+、3+多种HER2类型。数字化扫描后，204张用于弱监督模型训练，141张用于模型测试。在训练过程中，首先通过癌区识别模型，提取热点区域，随后将热点区域输入弱监督分类模型进行深度学习模型的建立。在测试过程中，对比使用单阈值与双阈值策略的效果，验证双阈值策略在临床可用性方面的作用。
结果在单阈值策略下，深度学习模型可达到81.6%的灵敏度及42.1%的特异度，AUC=0.67［95%CI（0.560，0.778）］。采用双阈值策略，模型的灵敏度为96.3%，特异度达到89.5%。
结论仅使用HE组织学切片，通过深度学习技术，能够以一定的准确率实现乳腺癌HER2基因状态的预测。基于双阈值策略，能够以高灵敏度和特异度筛出大量样本。