创建机器学习模型可计算骨肉瘤患者化疗成功率

约翰霍普金斯医学院的一个研究小组创建并训练了一个机器学习模型，以计算骨肉瘤患者的坏死百分比(PN)，或者说，肿瘤“死亡”和不再活跃的百分比。与肌肉骨骼病理学家的结果相比，该模型的计算正确率为85%。去除一个异常值后，准确率上升到99%。

化疗后PN计算有助于为患者提供生存预后。例如，99%的PN表明99%的肿瘤已经死亡，表明化疗是有效的，并且患者已经提高了存活的几率。病理学家通过查看、解释和注释全切片图像(WSIs)来计算PN，全切片图像是标本(在本文中为骨组织)的薄切片，安装在载玻片上进行显微镜分析。

“计算PN是一个劳动密集型过程，需要肌肉骨骼病理学家的大量注释数据，”该研究的第一作者之一、约翰·霍普金斯医学院整形外科住院医师Christa LiBrizzi医学博士说。此外，它具有较低的观察者间可靠性，这意味着两个试图从相同WSIs计算PN的病理学家将经常报告不同的结论。由于这些因素，我们认为尝试用其他方法计算PN是值得的。”

该团队试图开发一种“弱监督”的机器学习模型，这种模型需要更少的注释数据进行训练。以这种方式训练模型将意味着使用该模型来计算患者PN的肌肉骨骼病理学家将只需要向其提供部分注释的WSI，从而减少病理学家的劳动负担。

首先，该小组从约翰霍普金斯大学美国第三癌症中心的病理学档案中收集数据，包括WSIs。所有数据都来自髓内骨肉瘤患者——即起源于骨中心的骨肉瘤——他们在2011年至2021年期间在该中心接受了化疗和手术。然后，该小组让肌肉骨骼病理学家在收集的每个WSIs上部分注释三种类型的组织:活动肿瘤、死亡肿瘤和非肿瘤组织。病理学家还估计了每个患者的PN。利用这些信息，团队开始训练模型。