Meejeong Kim、Philip Chikontwe、Heounjeong Go、Jae Hoon Jeong、Su-Jin Shin4、Sang Hyun Park*、Soo Jeong Nam*
背景：微卫星不稳定性 (MSI) 是结直肠癌中具有临床意义的亚型。尽管深度学习技术在数字病理学的临床诊断中表现出色，但临床病理因素对这些模型性能的影响却在很大程度上被忽视了。
方法：我们使用总共 931 张结直肠癌全切片图像 (WSI)，开发并验证了一种深度学习算法，并分析了 WSI 级 MSI 概率和临床病理变量。
结果：在内部和外部队列中，我们的深度学习模型分别实现了 0.901 和 0.908 的受试者工作曲线下面积 (AUROC)。粘液或印戒细胞癌成分的存在增强了模型预测 MSI 的能力 (HR=19.73，P=0.026)。相反，接受新辅助放化疗的肿瘤 (HR=0.03，P=0.002) 和发生转移的肿瘤 (HR=0.01，P=0.016) 与微卫星稳定性 (MSS) 相关的概率增加。
结论：为了确保模型的临床适用性，必须仔细验证基于深度学习的 MSI 预测方法，并考虑可能影响模型性能的各种实际临床病理背景。