多様性AIは,腫瘍のマイクロ環境モデリングのための仮想人口を生成する

科学分野:

• コンピューター病理学
• 腫瘍学における人工知能
• がん免疫学

背景:

• 腫瘍免疫マイクロ環境 (TIME) は,がんの進行と治療結果に影響を与える.
• マルチプレックス免疫光 (mIF) は,TIME分析に価値がありますが,コストが高く,スループットが低いです.
• 既存の方法は,データ制限のために大規模な TIME 特徴付けに苦労しています.

研究 の 目的:

• 人口スケールのタイムモデリングのためのAIフレームワークであるGigaTIMEを開発する.
• 細胞の形状と状態を 橋渡しするために クロスモダルトランスレーターを使います
• H&Eのスライドから仮想のmIF画像を生成し,詳細な分析を行う.

主な方法:

• H&EとmIFのペアデータ (21種類のタンパク質) で400万個の細胞でクロスモダルトランスレーターを訓練した.
• GigaTIMEを24種類のがん患者の14256人に適用し,299,376個の仮想mIFスライドを生成しました.
• 10200人のTCGA患者で検証された結果

主要な成果:

• 膨大なタイムデータを 仮想コホートに生成しました
• タンパク質,バイオマーカー,ステージング,生存の間の 1,234の重要な関連性を発見しました.
• 以前は,mIFデータ不足によって制限されていた大規模なTIME分析の実現可能性が示されました.

結論:

• GigaTIMEは,標準的なH&Eスライドを使用して,スケーラブルで費用対効果の高いTIME分析を可能にします.
• AIの枠組みは TIMEの研究の範囲を大幅に拡大します
• このアプローチは新しいバイオマーカーと治療目標の発見を容易にする.