HRDPath 用组织病理图像预测高级别浆液性卵巢癌 HRD 状态

研究团队开发了 HRDPath，一种患者级深度学习架构，可直接从全切片图像预测高级别浆液性输卵管卵巢癌（HGSOC）的同源重组缺陷（HRD）状态，无需额外分子检测。模型在三个女性患者队列中验证，AUC 达 0.846，作者称显著优于此前 HGSOC 的报道结果；通过纳入每位患者的多张切片和针对性优化策略，模型的特异度与敏感度均达到 0.90。研究还给出可解释性流程，用于提升模型可信度，并揭示 HRD 阳性肿瘤在细胞和组织层面的形态与病理变化。作者认为 HRDPath 为一种可及、可扩展的数字生物标志物打下基础，用于改善卵巢癌的治疗分层。