결장 직장암 병리학 이미지의 딥 러닝 기반 분석 : 대장 암 하위 유형을 예측하기위한 혁신적인 접근법

결장 직장암 (CRC)은 중국의 사망률의 주요 원인이며, 전이는 결과가 좋지 않은 결과에 크게 기여합니다. 결장 직장 간 전이 (CRLM)의 조직 병리학 적 성장 패턴 (HGP)은 중요한 예후 통찰력을 제공하지만 제한된 수의 병리학자는 보조 진단 도구의 필요성을 강조합니다. 인공 지능 (AI)의 최근 발전은 진단 정밀도 향상의 잠재력을 보여 주었으며, CRLM 환자의 HGP의 분류 및 관리를 개선하기 위해 커피와 같은 전문 AI 모델의 개발을 촉구했습니다. 이 연구는 결장 직장암 간 전이로 진단 된 환자의 전체 슬라이드 이미지 (WSIS)를 사용하여 결장 직장암 하위 유형의 분류를 위해 변압기 기반 딥 러닝 모델 인 커피를 개발하고 검증하는 것을 목표로합니다. 이 모델은 TCGA-Coad 코호트의 WSIS에서 Self-Supervised Learning (DINO)을 사용하여 미리 훈련되어 Vision Transformer (VIT) 아키텍처를 사용하여 256 × 256 픽셀 패치에서 384 차원 기능 벡터를 추출합니다. 커피 모델은 변압기 기반 다중 인스턴스 학습 (Transmil) 프레임 워크를 통합하여 다중 헤드 자체 변환 및 피라미드 위치 인코딩 생성기 (PPEG) 모듈을 통합하여 공간 및 형태 정보를 집계합니다. 이 연구에는 훈련, 테스트 및 전향 적 검증 코호트가 포함되며 이진 및 멀티 클래스 분류 설정에서 모델의 성능과 임상 워크 플로우에서 병리학자를 지원할 수있는 잠재력을 평가합니다.