Attention-based Multiple Instance Learning for Survival Prediction on Lung Cancer Tissue Microarrays

要約

注意ベースの複数インスタンス学習 (AMIL) アルゴリズムは、結果予測やがんのサブタイピング問題など、さまざまな計算病理学タスクにギガピクセルのスライド全体画像 (WSI) を利用することに成功していることが証明されています。
AMILモデルを非線形比例ハザードモデルに変換して、古典的なCox部分尤度を損失関数として利用することにより、AMILアプローチを生存予測のタスクに拡張しました。
このモデルを 330 人の肺がん患者の組織マイクロアレイ (TMA) スライドに適用しました。
結果は、AMIL アプローチが TMA からの非常に少量の組織を処理し、年齢、がんのグレード、がんの病期などの高度に識別可能な臨床要因で訓練された確立された生存予測方法と比較して、同様の C インデックス性能に達することを示しています。

要約(オリジナル)

Attention-based multiple instance learning (AMIL) algorithms have proven to be successful in utilizing gigapixel whole-slide images (WSIs) for a variety of different computational pathology tasks such as outcome prediction and cancer subtyping problems. We extended an AMIL approach to the task of survival prediction by utilizing the classical Cox partial likelihood as a loss function, converting the AMIL model into a nonlinear proportional hazards model. We applied the model to tissue microarray (TMA) slides of 330 lung cancer patients. The results show that AMIL approaches can handle very small amounts of tissue from a TMA and reach similar C-index performance compared to established survival prediction methods trained with highly discriminative clinical factors such as age, cancer grade, and cancer stage

arxiv情報

提供元, 利用サービス

arxiv.jp, Google