腫瘍と免疫細胞の病理画像の深層学習ベースの空間分析は,MIBCの予後を予測します

科学分野:

• 腫瘍学
• コンピューター病理学
• 免疫学

背景:

• 筋肉侵襲性膀がん (MIBC) は,予後が悪い攻撃的な悪性腫瘍です.
• 信頼性の高い予後バイオマーカーの特定は 患者の治療結果の改善に不可欠です

研究 の 目的:

• リンパ球集団の空間的分布とMIBCの予後との相関を調査する.
• 全スライド画像 (WSIs) の自動化された分析のためのディープラーニングモデルを開発し,検証する.

主な方法:

• TCGAとHBlaU079Su01のマイクロアレイデータセットからWSIと臨床データを収集した.
• 腫瘍とリンパ球領域の自動セグメンテーションと分類のためのコンボリューションニューラルネットワーク (CNN) パイプラインを開発した.
• 12の空間的指標を評価し,臨床的要因と免疫微環境との関係を調査するためにマルチオミクス分析を行った.

主要な成果:

• CNNモデルは,腫瘍細胞 (AUC=0. 944) とリンパ球集合体 (AUC=0. 934) の特定において高い精度を達成した.
• "Lymph_inside %"の指標は有意な予後値を示し,独立したコホートで検証された.
• マルチオミクス分析は,リンパ内側 % と抗腫瘍免疫およびアポトーシス経路との正の相関を示した.

結論:

• "Lymph_inside %"はMIBCの予後を予測する有望なバイオマーカーです.
• この研究は,リンパ球の集合の空間的なパターンを用いて予後バイオマーカー発見のための新しいディープラーニングベースのアプローチを導入しています.