Predicting Axillary Lymph Node Metastasis in Early Breast Cancer Using Deep Learning on Primary Tumor Biopsy Slides

要約

目的臨床的にALN陰性の早期乳癌（EBC）患者において、術前に腋窩リンパ節（ALN）転移を予測するためのディープラーニング（DL）ベースの原発巣生検シグネチャを開発し検証すること。 方法2010年5月から2020年8月までに，病理学的にALNが確認されたEBC患者1,058例を登録した。2人の病理医がアノテーションした乳房CNB標本のデジタル化されたホールスライド画像（WSI）のがん領域から抽出したDL特徴を利用してALN状態を予測するために，注意に基づく多重インスタンス学習（AMIL）フレームワークでDLコアニードル生検（DL-CNB）モデルが構築された。本モデルを評価するために、精度、感度、特異度、受信者動作特性（ROC）曲線、およびROC曲線下面積（AUC）を分析した。 結果VGG16_BNを特徴抽出器として用いた最も優れたDL-CNBモデルは、独立テストコホートにおいてALN転移陽性の予測において0.816（95%信頼区間（CI）：0.758、0.865）のAUCを達成した。さらに，DL-CNB+Cと呼ばれる臨床データを組み込んだモデルは，0.831（95%CI: 0.775, 0.878）という最高の精度を示し，特に50歳未満の患者では（AUC: 0.918, 95%CI: 0.825, 0.971），その精度は顕著であった．DL-CNBモデルの解釈では、ALN転移を最も予測する上位シグネチャーは、密度（$p$ = 0.015）、円周（$p$ = 0.009）、円形度（$p$ = 0.010）、方向（$p$ = 0.012）などの核の特徴に起因していることが示された。 結論本研究は、EBC患者の術前にALNの転移状態を予測するための、原発巣CNBスライドにおける新規のDLベースのバイオマーカーを提供するものである。コードとデータセットは、https://github.com/bupt-ai-cz/BALNMP で利用可能です。

要約(オリジナル)

Objectives: To develop and validate a deep learning (DL)-based primary tumor biopsy signature for predicting axillary lymph node (ALN) metastasis preoperatively in early breast cancer (EBC) patients with clinically negative ALN. Methods: A total of 1,058 EBC patients with pathologically confirmed ALN status were enrolled from May 2010 to August 2020. A DL core-needle biopsy (DL-CNB) model was built on the attention-based multiple instance-learning (AMIL) framework to predict ALN status utilizing the DL features, which were extracted from the cancer areas of digitized whole-slide images (WSIs) of breast CNB specimens annotated by two pathologists. Accuracy, sensitivity, specificity, receiver operating characteristic (ROC) curves, and areas under the ROC curve (AUCs) were analyzed to evaluate our model. Results: The best-performing DL-CNB model with VGG16_BN as the feature extractor achieved an AUC of 0.816 (95% confidence interval (CI): 0.758, 0.865) in predicting positive ALN metastasis in the independent test cohort. Furthermore, our model incorporating the clinical data, which was called DL-CNB+C, yielded the best accuracy of 0.831 (95%CI: 0.775, 0.878), especially for patients younger than 50 years (AUC: 0.918, 95%CI: 0.825, 0.971). The interpretation of DL-CNB model showed that the top signatures most predictive of ALN metastasis were characterized by the nucleus features including density ($p$ = 0.015), circumference ($p$ = 0.009), circularity ($p$ = 0.010), and orientation ($p$ = 0.012). Conclusion: Our study provides a novel DL-based biomarker on primary tumor CNB slides to predict the metastatic status of ALN preoperatively for patients with EBC. The codes and dataset are available at https://github.com/bupt-ai-cz/BALNMP

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL