Model rizika pro detekci metastáz neuroblastomu (NB)

1. Zpracování datové sady. V této studii model zahrnuje trénovací sadu, validační sadu a testovací sady. Při konstrukci modelu vyšetřovatelé zpracovávají trénink v interní kohortě tak, že zapsané účastníky náhodně přiřadí do tréninkové a validační sady v poměru 8:2. Vyšetřovatelé používají zapsané účastníky externích kohort jako testovací sady k nezávislému hodnocení výkonnosti modelu a poté k výběru nejlepšího modelu pro budoucí použití.

   Etická komise nemocnice Xinhua přidružená k lékařské fakultě Shanghai Jiaotong University schválila tuto studii (XHEC-C-2024-023-2).

2. pořízení obrazu. V modelu AI vyšetřovatelé používají nátěry kostní dřeně zapsaných účastníků pro cytologické hodnocení a sběr snímků. Během klasifikace buněk a detekce metastáz zkušení patologové dokončují analýzu nátěru kostní dřeně, metastatické shluky NB v kostní dřeni obvykle vykazovaly agregované kulaté atypické buňky s vysokým poměrem jádro/cytoplazmatický. Vyšetřovatelé skenují obarvený nátěr kostní dřeně při 40násobném zvětšení pro digitální zobrazení celého diapozitivu (WSI). Vyšetřovatelé rozdělí WSI do menších polí jako dlaždice o velikosti 512 × 512 pixelů a použijí metodu Vahadane k normalizaci barvy malých dlaždic.

3. Trénink hlubokého učení. Při extrakci rysů cytologického obrazu kostní dřeně proces zahrnuje dvě úrovně předpovědí: předpovědi na úrovni patche a WSI.

   Pro predikce na úrovni patchů provádějí vyšetřovatelé předpovědi štítků a jejich příslušné pravděpodobnosti pro všechny patche. Vyšetřovatelé aplikují model v procesu hlubokého učení následovně: rozpoznaná neuronová síť (CNN)-resnet50 a Vision Transformer (ViT). Konfigurace parametrů v modelu jsou následující: optimalizátor-SGD, ztrátová funkce-softmax křížová entropie, s velikostí dávky 64.

   Pro předpovědi na úrovni WSI vyšetřovatelé používají algoritmus multi-instance learning (MIL) k agregaci rozptýlených funkcí na úrovni patchů do funkcí na úrovni WSI. Během MIL pro fúzi WSI vyšetřovatelé provádějí předpovědi na úrovni WSI s kanálem Patch Likelihood Histogram (PLH) a potrubím Bag of Words (BoW) v kombinaci. Následně vyšetřovatelé získají predikci na úrovni WSI jako konečné reprezentace účastníka pro následné analytické operace.

4. Podpisová budova. V procesu výběru rysů vyšetřovatelé používají screening funkcí LASSO (Operátor nejmenšího absolutního smrštění a výběru), aby určili konečné rysy cytologie kostní dřeně na úrovni WSI. Tyto vybrané funkce byly poté podrobeny metodám strojového učení za účelem vývoje modelu umělé inteligence. vyšetřovatelé aplikují několik algoritmů strojového učení k predikci stavu metastáz kostní dřeně a/nebo kosti u účastníků, jako jsou podpůrné vektorové stroje (SVM), logistická regrese (LR), modely založené na stromech, jako jsou náhodné lesy a extrémně randomizované stromy ( ExtraTrees), extrémní zesílení gradientu (XGBoost) a stroj pro zesílení světelného gradientu (LightGBM) a také vícevrstvý perceptron (MLP) pro vývoj našich modelů.

   V modelu prognózy výzkumníci používají Coxovy modely ke konstrukci modelu přežití s ​​cytologickým podpisem kostní dřeně a klinickými znaky.

5. Hodnocení modelů a statistická analýza. Vyšetřovatelé porovnávají klinické charakteristiky účastníka s nezávislým výběrovým t-testem pro spojité proměnné a testem χ² pro diskrétní proměnné v SPSS verze 22.0 (SPSS, Inc., Chicago, IL, USA). P ≤ 0,05 bylo považováno za statisticky významné.

Pro diagnostický model vyšetřovatelé používají mikro i makro metriky oblasti pod křivkou (AUC) k vyhodnocení modelu z hlediska citlivosti, specifičnosti, přesnosti, pozitivní prediktivní hodnoty a negativní prediktivní hodnoty při různých prahových hodnotách klasifikace. Výkon a účinnost modelu byly hodnoceny na samostatné testovací kohortě. Studie využívá vlastní Python kód napsaný v Pythonu v.3.7.12 k vyhodnocení výkonu modelu.

Pro prognostický model výzkumníci používají AUC jako výkonnostní metriku a pro výpočet citlivosti a specificity. Jako optimální byl vybrán model s nejlepším výkonem na testovací sadě. Křivky přežití byly sestrojeny podle Kaplan-Meierovy metody.