Multi-modal AI for comprehensive breast cancer prognostication
Created by
- Haebom
Category
Empty
저자
Jan Witowski, Ken G. Zeng, Joseph Cappadona, Jailan Elayoubi, Khalil Choucair, Elena Diana Chiru, Nancy Chan, Young-Joon Kang, Frederick Howard, Irina Ostrovnaya, Carlos Fernandez-Granda, Freya Schnabel, Zoe Steinsnyder, Ugur Ozerdem, Kangning Liu, Waleed Abdulsattar, Yu Zong, Lina Daoud, Rafic Beydoun, Anas Saad, Nitya Thakore, Mohammad Sadic, Frank Yeung, Elisa Liu, Theodore Hill, Benjamin Swett, Danielle Rigau, Andrew Clayburn, Valerie Speirs, Marcus Vetter, Lina Sojak, Simone Soysal, Daniel Baumhoer, Jia-Wern Pan, Haslina Makmur, Soo-Hwang Teo, Linda Ma Pak, Victor Angel, Dovile Zilenaite-Petrulaitiene, Arvydas Laurinavicius, Natalie Klar, Brian D. Piening, Carlo Bifulco, Sun-Young Jun, Jae Pak Yi, Su Hyun Lim, Adam Brufsky, Francisco J. Esteva, Lajos Pusztai, Yann LeCun, Krzysztof J. Geras
개요
본 논문은 유방암 재발 위험 예측을 위한 새로운 인공지능(AI) 기반 접근법을 제시한다. 디지털 병리 이미지와 임상 데이터를 통합하여 자가지도 학습으로 훈련된 비전 트랜스포머 범암 기본 모델을 이용, H&E 염색 슬라이드에서 특징을 추출한다. 이러한 특징과 임상 데이터를 통합하여 다중 모드 AI 검사를 개발, 유방암 재발 및 사망을 예측한다. 7개국 15개 코호트의 여성 유방암 환자 8,161명의 데이터를 사용하여 개발 및 평가되었으며, 5개 코호트 3,502명의 환자 데이터는 독립적인 평가에 사용되었다. 평가 코호트에서 무병 간격(disease-free interval)을 정확하게 예측하였으며(C-index: 0.71 [0.68-0.75], HR: 3.63 [3.02-4.37, p<0.001]), 기존 표준 치료법인 Oncotype DX 보다 높은 정확도를 보였다 (AI: C-index 0.67 [0.61-0.74], Oncotype DX: C-index 0.61 [0.49-0.73]). 특히 삼중 음성 유방암(TNBC)에서도 높은 정확도를 보였다 (C-index: 0.71 [0.62-0.81], HR: 3.81 [2.35-6.17, p=0.02]).
시사점, 한계점
•
시사점:
◦
AI 기반 다중 모드 접근법을 통해 기존 유방암 재발 위험 예측 검사보다 높은 정확도 달성.
◦
Oncotype DX보다 우수한 예측 성능을 보이며, 독립적인 예후 정보 제공.
◦
TNBC를 포함한 다양한 유방암 아형에서 높은 정확도를 유지.
◦
향상된 유방암 환자 치료 및 예후 예측에 기여 가능성 제시.
•
한계점:
◦
연구에 사용된 데이터의 다양성에도 불구하고, 특정 인구 집단에 대한 일반화 가능성은 추가 연구가 필요.
◦
AI 모델의 블랙박스 성격으로 인해 예측 결과에 대한 설명력이 부족할 수 있음.
◦
임상 적용을 위한 추가적인 검증 및 대규모 임상 시험 필요.
◦
모델의 지속적인 업데이트 및 관리에 대한 고려 필요.
