精简推文
选文：大壮
整理：小黄、大壮
虽然放假了，但是学习不能停。
Deep learning assessment of senescence-associated nuclear
morphologies in mammary tissue from healthy female
donors to predict future risk of breast cancer: a retrospective
cohort study
中文标题：
深度学习评价健康女性供体乳腺组织中衰老相关核形态学以预测未来乳腺癌风险：一项回顾性队列研究
发表期刊：
Lancet Digital Health
研究背景
研究人员旨在探讨来自健康女性供体的乳腺组织中衰老标记物与乳腺癌发展的临床相关性。
细胞衰老与癌症相关，既可以作为限制自主细胞增殖的屏障机制，也可以作为分泌促炎性旁分泌因子的肿瘤促进微环境机制。
由于大多数研究是在非人类模型中进行的，并且衰老的本质是异质的，因此衰老细胞在人体癌症发展中的确切作用尚不清楚
。
研究方法
（1）采用
回顾性队列研究
，应用了基于细胞核形态的单细胞深度学习衰老预测器
（NUSP）
，样本采用女性捐赠者的乳腺活检样本数据。
（3）通过
已诱导衰老的细胞（通过电离辐射、复制耗竭或药物暴露）对模型进行训练。
（4）使用经过验证的模型在
上皮、基质和脂肪组织
等不同组织区分部位预测衰老。
（5）
为了对预测结果进行基准比较，根据组织捐赠时的特征为35岁及以上的参与者生成了5年
Gail评分
。
（6）通过
逻辑回归模型
估算的乳腺癌的赔率，涉及每个组织区域的预测衰老评分，在病例和对照之间进行比较。
研究结果
（1）参与者特征
①
研究包括了4382名女性捐赠者的健康乳腺组织石蜡切片图像。
②中位年龄为45岁，中位随访时间为10年，其中有86名（2.0%）发展为乳腺癌，平均诊断时间为捐赠日期后的4.8年。
病例组和对照组的基线人口学和临床特征
（2）组织分割与衰老
