Để đáNh giá tiềm năng của các phương pháp bệnh lý tính toán trong chẩn đoán u não ở trẻ em, chúng tôi đã triển khai phương pháp học đa trường hợp có giám sát yếu (MIL) sử dụng hình ảnh tiêu bản mô u não (WSI) từ 540 bệnh nhân nhi (tuổi trung bình 8,5) thu thập từ một nhóm đa trung tâm tại sáu bệnh viện đại học ở Thụy Điển. Ba bộ trích xuất đặc trưng được đào tạo trước, ResNet50, UNI và CONCH, đã được sử dụng để trích xuất các đặc trưng cấp độ bản vá từ WSI, và ABMIL hoặc CLAM được sử dụng để tổng hợp các đặc trưng cho phân loại cấp độ bệnh nhân. Các mô hình được đánh giá trên ba tác vụ phân loại—loại, họ và loại—dựa trên phân loại phân cấp của u não ở trẻ em. Các mô hình được đào tạo trên dữ liệu từ hai trung tâm và được kiểm tra trên dữ liệu từ bốn trung tâm còn lại để đánh giá hiệu suất khái quát hóa của chúng. Hiệu suất phân loại cao nhất đạt được khi sử dụng các đặc trưng UNI và tổng hợp ABMIL, với hệ số tương quan Matthew lần lượt là 0,76±0,04, 0,63±0,04 và 0,60±0,05 cho phân loại kiểu, họ và kiểu. Các mô hình sử dụng đặc trưng UNI và CONCH có hiệu suất khái quát hóa tốt hơn so với các mô hình sử dụng ResNet50.
