BriefGPT - AI 论文速递
·
从苏木精和伊红染色图像中预测非小细胞肺腺癌中的 MET 过表达
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究使用大规模的匹配的H&E染色和RNA表达数据的数据库，训练了一个弱监督模型，直接从H&E图像中预测MET RNA过度表达。该模型在独立测试集上表现出0.70的ROC-AUC，并在不同的患者临床变量下具有稳定的性能特征，并对测试集上的合成噪声具有较强的鲁棒性。
🎯
关键要点
-
该研究使用大规模的匹配的H&E染色和RNA表达数据的数据库。
-
训练了一个弱监督模型，直接从H&E图像中预测MET RNA过度表达。
-
模型在独立测试集上表现出0.70的ROC-AUC。
-
模型在不同的患者临床变量下具有稳定的性能特征。
-
模型对测试集上的合成噪声具有较强的鲁棒性。
-
结果表明基于H&E的预测模型可能有助于优先考虑MET蛋白质或MET基因表达状态的确证检测。
🏷️
标签
➡️
