基于组织病理学的人工智能算法预测前列腺癌根治术后转移风险的研究

《European Urology》：Histopathology-based Artificial Intelligence Algorithms for the Prediction of Prostate Cancer Metastasis After Radical Prostatectomy

本研究验证了基于组织病理学的人工智能（AI）算法在预测前列腺癌（PCa）根治术后转移风险方面的价值。通过分析全切片图像（WSIs）和组织微阵列（TMAs），AI风险评分与基因组分类器（如Decipher、Prolaris）及临床风险评估工具（如CAPRA）相比表现出相似或更优的预测性能（C-index: 0.71–0.85），且联合临床病理变量可进一步提升预测效能，为前列腺癌精准预后提供了新策略。

　　

关键发现与局限性

在针对转移时间的Cox模型中，基于前列腺切除术全切片图像（WSIs）的AI风险评分在测试队列中表现出与Decipher或Prolaris基因组分类器相似的性能（C-index：0.81–0.85 vs. 0.72–0.80）。一项针对1351名患者的全国性研究中，通过分析约1 mm²前列腺癌组织的改良组织微阵列（TMA）AI评分，其C-index为0.71（95%置信区间[CI]：0.67–0.75）。在针对前列腺切除术后转移的穿刺活检队列中，TMA AI评分的C-index为0.74（95% CI：0.70–0.79），且与前列腺癌风险评估（CAPRA）评分结合后，模型性能进一步提升（C-index：0.83 [95% CI：0.82–0.87]），优于单独使用CAPRA评分（C-index：0.79 [95% CI：0.73–0.84]）。局限性包括队列相对陈旧，且许多活检是在现代磁共振成像引导技术普及前进行的。

结论与临床意义

本研究首次证明，基于组织病理学的AI算法即使应用于小样本肿瘤组织，也能预测致命性前列腺癌（PCa）的风险。这些算法的预测能力与常用基因组分类器相当，且在结合临床病理变量后预测性能进一步增强。

讨论

前列腺癌已成为开发组织病理学AI算法的关键模型，这些算法旨在实现肿瘤诊断、分级、预后和预测。原理验证研究表明，AI算法能准确对前列腺切除术（RP）标本中的肿瘤进行分级，其表现与病理学家相当。近期研究还探索了组织病理学AI算法在预后预测方面的其他应用，特别是在放疗队列中或结合标准临床病理数据时。然而，单纯基于组织病理学的AI算法在预测手术治疗后致命性前列腺癌方面的应用仍待深入探索。

结论

总之，我们首次通过原理验证测试，利用来自多机构医院和人群队列的前列腺切除术（RP）和前列腺穿刺活检全切片图像（WSIs），开发了基于AI组织病理学算法以预测转移结局。本研究揭示了组织病理学AI算法作为早期预后工具的可行性和潜力，证明其可作为传统风险分层方法的补充辅助手段，最终有望提升前列腺癌患者管理的精准度。