基于组织微阵列（TMA）的宫颈癌预后分层数字病理特征回顾性研究

《BMC Women's Health》：A retrospective TMA-based study of digital pathology signatures for prognostic stratification in cervical cancer

　　

摘要

数字病理学可能支持宫颈癌的预后分层，但将常规组织学与临床病理变量相结合的证据仍然有限。这项回顾性研究使用了包含126例病例的商业宫颈癌组织微阵列。经过质量控制排除后，121例病例被分为训练队列（n?=?85）和内部测试队列（n?=?36）。数字化的苏木精-伊红（H&E）图像使用基于弱监督的ResNet50流程进行分析。64个病例级别的病理特征通过LASSO-Cox建模进行缩减，以推导总生存期（OS）和无进展生存期（PFS）的终点特异性特征集。最终列线图将年龄与病理特征集相结合。一个独立的20例病例队列仅用于方向性支持性评估。主要队列包括28个OS事件和41个PFS事件。OS保留了7个病理特征，PFS保留了6个。在内部测试队列中，列线图对OS的C指数达到0.855（95% CI, 0.742–0.968），对PFS的C指数达到0.809（95% CI, 0.693–0.925）。列线图的表现优于仅病理模型，而相对于基于年龄的临床模型的改进无统计学意义。由于事件数量有限，校准和决策曲线分析仅为探索性分析。独立队列的估计值不精确，未被用于支持可迁移性或临床效用主张。分类免疫应答评分系统不具有独立的预后价值。病理衍生的图像特征可能为宫颈癌提供预后信息。然而，低事件计数、高特征负担、不完整的计算溯源、TMA抽样以及有限的独立评估阻碍了临床应用。需要在使用锁定且可重复流程的更大型多中心全切片队列中进行验证。