跳到正文
原文
medRxiv 预印本· Ouwerkerk, J., Akram, F., Hollestein, L., Kerkour, T., Zhou, C., Stubbs, A., Mooyaart, A., Li, Y. ·· 19 天前AI 评分40

深度学习在早期黑色素瘤常规组织病理中揭示超越AJCC分期的预后信息:基于人群的D-ESMEL研究

Deep learning reveals prognostic information beyond AJCC stage in routine histopathology of early-stage melanoma: the population-based D-ESMEL study

AI 导读

基于人群的D-ESMEL研究显示,深度学习模型可从早期黑色素瘤原发灶全切片图像中提取独立于AJCC分期的预后信息,验证队列中转移风险预测为独立预后因素(校正OR 1.97,p<0.01)。模型预测与AJCC分期联合的C-index达0.87,显著优于单用AJCC分期(0.80,p<0.001)。该模型在发现集最佳验证折的平衡准确率为0.88。

来源:medRxiv 预印本 · medrxiv.org