遺伝子発現とデジタルヒストロジーを統合して,乳がんにおける治療特有の反応を予測する

科学分野:

• 腫瘍学
• コンピューター病理学
• バイオ情報学

背景:

• デジタル病理学とディープラーニングは ヒト病理学画像の分析に 新たな道を開きます
• 遺伝子発現シグネチャー (GES) は,乳がんにおける治療反応を予測するための重要なバイオマーカーです.
• GESの伝統的な分子検査は費用がかかり,時間がかかります.

研究 の 目的:

• H&Eで染色した乳がんバイオプシーの遺伝子発現シグネチャーを推論するためのディープラーニングモデルを開発し,検証する.
• ネオアジュバント化学療法に対する病理学的完全反応 (pCR) に対して,組織学によるGESの予測精度を評価する.
• ヒストロジーに基づくGESの有用性を研究し,患者の階層化と精密な治療選択を図る.

主な方法:

• デジタルヒストロジー画像からGESを推論するための最適化されたトランスフォーマーベースのディープラーニングモデル.
• 臨床試験と現実世界のコホートで1,940人の乳がん患者の治療前のH&E染色バイオプシーにモデルを適用した.
• 多数の独立したコホートでpCRの予測モデルを検証し,臨床的特徴と病理学者の評価と比較した.

主要な成果:

• HER2陰性患者のpCRを予測するトランスフォーマーベースのモデルは,臨床モデル (AUC 0. 704) を上回るAUC0. 794を達成しました.
• ヒストロジーによるGESは,PCRの確率が有意に異なるグループに分けられた (上位3位で≥50%).
• 化学療法以外の特定の治療に対する反応を予測した追加のモデルで,遺伝子発現と組織学を組み合わせることで予測が改善されました.

結論:

• ディープラーニングで得られたヒストロジーベースの遺伝子発現シグネチャーは,乳がんにおけるネオアジュバント化学療法反応の強力な予測因子です.
• このデジタル病理学的アプローチは,分子検査の費用対効果が高く,アクセシブルな代替手段となり,精度の高い治療戦略を強化します.
• ヒストロジーに由来するGESは,遺伝子発現データに付加価値を提供し,様々な乳がんサブタイプに対する臨床的意思決定への統合をサポートします.