AI支援型仮想空間プロテオミクスによる病理組織からの解釈可能なバイオマーカー発見：肺がんへの応用

科学分野:

• バイオメディカルイメージング
• 計算病理学
• プロテオミクス

背景:

• 空間プロテオミクスは高解像度のタンパク質発現マッピングを提供しますが、コストやスケーラビリティといった臨床応用上の課題に直面しています。
• 標準的な病理組織スライドには、疾患の理解に不可欠な詳細なタンパク質発現データが欠けています。
• 画像と分子の洞察の間のギャップを埋めるためには、病理学へのAI統合が必要です。

研究 の 目的:

• Hematoxylin and Eosin (H&E)染色病理組織スライドから計算により空間プロテオミクスプロファイルを生成するためのAIモデル（HEX）を開発・検証すること。
• がんにおけるタンパク質発現の予測と予後および予測精度の向上におけるHEXの性能を評価すること。
• 臨床的意思決定の改善のために、AI由来の仮想空間プロテオミクスとH&E画像を統合することの有用性を探求すること。

主な方法:

• 819,000枚の病理組織画像タイルと382の腫瘍サンプルからの対応するタンパク質発現データでトレーニングされたAIモデルHEXを開発しました。
• 代替手法と比較して、40の多様なバイオマーカーの予測におけるHEXの精度を検証しました。
• H&E画像とAI由来の仮想空間プロテオミクスを組み合わせたマルチモーダルデータ統合アプローチを実装しました。

主要な成果:

• HEXは40のバイオマーカーの発現を正確に予測し、H&E画像からのタンパク質予測において既存の手法を上回る性能を示しました。
• HEXを用いたマルチモーダル統合は、6つの独立した非小細胞肺がんコホート（2,298人の患者）において、予後予測精度を22%、免疫療法反応予測を24-39%向上させました。
• 治療成績を予測する因子として、特定の腫瘍免疫ニッチ、例えば応答群におけるTヘルパー細胞および細胞傷害性T細胞の共局在や、非応答群における免疫抑制細胞の集合体を同定しました。

結論:

• HEXは、標準的な病理組織スライドから空間生物学を分析するための低コストでスケーラブルな方法を提供します。
• AI由来の仮想空間プロテオミクスとH&E画像との統合は、患者の転帰と治療反応の予測を大幅に向上させます。
• HEXは、解釈可能なバイオマーカーの発見と臨床応用を促進し、個別化医療への道を開きます。