第一作者来自温州医科大学在 NPJ precision oncology 发表了题为 Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC 的研究。
新辅助化疗 （NAC） 是一种广泛用于可切除非小细胞肺癌 （NSCLC） 患者的治疗策略。然而，患者对 NAC 的个体反应差异很大，限制了其有效的临床应用。在这项研究中，提出了一种弱监督深度学习模型 DeepDrRVT，它集成了自监督特征提取和基于注意力的深度多实例学习，以改进治疗前活检图像的 NAC 决策。DeepDrRVT 表现出卓越的预测性能和泛化性，在训练、内部验证和外部验证队列中，完全病理反应的 AUC 分别为 0.954、0.872 和 0.848，主要病理反应的 AUC 分别为 0.968、0.893 和 0.831。残余活肿瘤的 DeepDrRVT 数字评估与当地病理学家的视觉评估显著相关 （Pearson r = 0.98、0.80 和 0.59;数字/视觉斜率 = 1.0、0.8 和 0.55），并且还与所有队列中更长的无病生存期 （DFS） 相关 （HR = 0.455,95% CI 0.234-0.887，P = 0.018; HR = 0.347,95% CI 0.135-0.892，P = 0.021 和 HR = 0.446,95% CI 0.193-1.027，P = 0.051）。 此外，在调整临床病理变量后，DeepDrRVT 仍然是 DFS 的独立预后因素 （HR = 0.456,95% CI 0.227–0.914，P = 0.027; HR = 0.358,95% CI 0.135-0.949，P = 0.039 和 HR = 0.419,95% CI 0.181-0.974，P = 0.043）。 因此，DeepDrRVT 有望成为临床医生在 NAC 开始之前做出更明智的治疗决策的可访问且可靠的工具。
