D-ESMEL研究：深度学习提升黑色素瘤转移风险预测

Ouwerkerk等研究团队在D-ESMEL预印本中报告，利用早期黑色素瘤组织病理图像的深度学习模型，联合AJCC分期预测转移风险时，区分能力指标C-index从单用分期的0.80升至0.87（p<0.001）。 研究采用荷兰人群数据，包括328人的发现集，以及从逾5500名患者中按嵌套病例对照设计选取、含分期匹配对照的266人验证样本。模型在验证中是转移风险的独立预后因素（调整后OR为1.97，p<0.01），提示常规组织病理图像可提供AJCC分期之外的预后信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。