Enhanced metastasis risk prediction in cutaneous squamous cell carcinoma using deep learning and computational histopathology
8.5
来源：
Nature
资金机构：
Wellcome Trust; National Institute of Health Research; Barts Charity; Cancer Research UK; Medical Research Council; UK Research and Innovation; Biotechnology and Biological Sciences Research Council; Cancer Research UK
发布时间：
2025-09-03 03:31
摘要：
cSCCNet是一种新开发的深度学习模型，旨在通过数字病理学图像预测皮肤鳞状细胞癌（cSCC）的转移风险。该模型在227例患者的回顾性队列中表现出色，准确率达到95%，显著优于传统的临床病理分类方法。cSCCNet通过自动选择肿瘤区域并分析其特征，能够提供更可靠的转移风险评估，具有广泛的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+1.0分
business_impact
1.0分+1.0分
scientific_rigor
1.5分+1.5分
timeliness_innovation
1.5分+1.5分
investment_perspective
2.5分+2.5分
market_value_relevance
1.0分+1.0分
team_institution_background
0.5分+0.5分
technical_barrier_competition
1.0分+1.0分
关键证据
cSCCNet在测试队列中预测转移的准确率达95%。
该模型在多中心数据集上进行训练，具有良好的泛化能力。
cSCCNet超越了传统的临床病理分类，成为独立的转移预测因子。
真实性检查
否
AI评分总结
cSCCNet是一种新开发的深度学习模型，旨在通过数字病理学图像预测皮肤鳞状细胞癌（cSCC）的转移风险。该模型在227例患者的回顾性队列中表现出色，准确率达到95%，显著优于传统的临床病理分类方法。cSCCNet通过自动选择肿瘤区域并分析其特征，能够提供更可靠的转移风险评估，具有广泛的临床应用潜力。