Copyright © 第九届全国计算生物与生物信息学大会
Powered by 徐州医科大学
计算病理学改善早期 ER+乳腺癌多基因检测的风险分层：一项回顾性多机构验证研究
口头报告
报告开始：5月13日 17:45:00 （Asia/Shanghai）
报告时间：15min
所在会议：[S1] 分会场一 [S1-1] 精准医学与转化医学信息学
摘要
雌激素受体阳性（ER+）淋巴结阴性（LN-）浸润性乳腺癌（IBC）是最常见的IBC亚型。目前临床上用于预测雌激素受体阳性（ER+）和淋巴结阴性（LN-）浸润性乳腺癌（IBC）患者预后的指标，有诺丁汉分级系统和Oncotype Dx （ODx）。然而，这些生物标志物并非总是最佳的，并且不可避免地受到观察者之间/内部的可变性和高成本的影响。鉴于辅助化疗的显著副作用，准确识别出那些复发风险较低的ER+和LN-乳腺癌患者至关重要，因为她们不太可能从化疗中获益。本研究根据改进的Bloom-Richardson分级方案，计算并提取了的细胞核形态、有丝分裂计数和乳腺管形成度等与诺丁汉分级标准相关的定量组织形态学特征，并研究它们与ER+和LN- IBC的无病生存风险（DFS） 之间的关联关系。
报告人
陈昱莅
副教授 陕西师范大学陈昱莅，博士，副教授，硕士生导师。主要研究方向为智能数字病理图像诊断模型及预后风险预测研究。2001年9月至2005年6月获兰州大学电子信息科学与技术专业理学学士学位。2011年12月获兰州大学“无线电物理”专业理学博士学位。2012年2月获韩国科学与技术研究院（KIST）“人机交互与机器人学”专业工学博士学位。2012年7月至今，在陕西师范大学计算机科学学院从事科研和教学工作。2020年由国家留学基金委公派，赴美国凯斯西储大学计算成像与个性化诊断中心(CCIPD)交流访学。在《npj Breast Cancer》、《IEEE Transactions on Neural Networks and Learning Systems》, 《IEEE Transactions on Neural Networks》，《USCAP（美国加拿大病理学会年会）》和《SABCS（美国圣安东尼奥乳腺癌研讨会）》等重要期刊和会议上发表学术论文多篇。主持国家自然科学基金项目1项、中央高校基本科研业务费专项资金项目2项、国际合作项目1项、现代教学技术教育部重点实验室开放课题1项；参与多项国家级和省部级科研项目。