Academic Journal
View in EDS

Histomolekulare Klassifikation des Urothelkarzinoms der Harnblase : Vom histologischen Phänotyp zum Genotyp und zurück

Bibliographic Details
Title: Histomolekulare Klassifikation des Urothelkarzinoms der Harnblase : Vom histologischen Phänotyp zum Genotyp und zurück
Authors: Stoll, Alexandra K., Koll, Florestan J., Eckstein, Markus, Reis, Henning, Flinner, Nadine, Wild, Peter J., Triesch, Jochen
Source: http://lobid.org/resources/99371464214806441#!, 45(2):106-114.
Publication Year: 2024
Collection: Publisso (ZB MED-Publikationsportal Lebenswissenschaften)
Subject Terms: Molecular subtypes, Urinary Bladder/pathology [MeSH], Urothelial carcinoma, Molecular heterogeneity, Humans [MeSH], Artificial intelligence, Künstliche Intelligenz, Artificial Intelligence [MeSH], Molekulare Heterogenität, Carcinoma, Transitional Cell/genetics [MeSH], Originalien, The Cancer Genome Atlas, Molekulare Subtypen, Urothelkarzinom, Biomarkers, Tumor/genetics [MeSH], Urinary Bladder Neoplasms/genetics [MeSH], Genotype [MeSH], Phenotype [MeSH]
Description: Zusammenfassung Hintergrund Muskelinvasive Urothelkarzinome (MIUC) der Harnblase repräsentieren ca. 25 % aller Urothelkarzinome (UC) und weisen eine 5‑Jahres-Überlebensrate von ca. 50 % auf. Bisher haben Erkenntnisse aus der molekularen Klassifikation der MIUCs noch keinen Einfluss auf die klinische Praxis genommen. Ziel Ziel der Arbeit ist die Vorhersage molekularer Konsensus-Subtypen in MIUCs mittels Künstlicher Intelligenz (KI) anhand histologischer Hämatoxylin-Eosin(HE)-Schnitte. Material und Methoden Durchgeführt wurde ein pathologisches Review und die Annotation von Tumorarealen in der Bladder-Cancer(BLCA)-Kohorte (N = 412) des „The Cancer Genome Atlas“ (TCGA) und der BLCA-Kohorte (N = 181) des Dr. Senckenbergischen Instituts für Pathologie (SIP). Anhand der annotierten Histomorphologie zur Vorhersage molekularer Subtypen wurde ein KI-Modell trainiert. Ergebnisse In einer 5fachen Kreuzvalidierung mit TCGA-Fällen (N = 274), internem TCGA-Testset (N = 18) und externem SIP-Testset (N = 27) erreichten wir durchschnittliche Werte der „area under the receiver operating characteristic curve“ (AUROC) von jeweils 0,73, 0,8 und 0,75 zur Klassifikation der verwendeten molekularen Subtypen „luminal“, „basal/squamous“ und „stroma-rich“. Durch Training auf Korrelationen zu einzelnen molekularen Subtypen statt auf eine Subtypzuordnung pro Fall konnte die ...
Document Type: article in journal/newspaper
Language: German
Relation: https://repository.publisso.de/resource/frl:6512232; https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10901926/
DOI: 10.1007/s00292-024-01305-w
Availability: https://repository.publisso.de/resource/frl:6512232
https://doi.org/10.1007/s00292-024-01305-w
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10901926/
Rights: https://creativecommons.org/licenses/by/4.0/
Accession Number: edsbas.215331FE
Database: BASE
Description
DOI:10.1007/s00292-024-01305-w