膀胱癌における予後層別化とマルチオミクスプロファイリングのための深層学習生成混合腫瘍間質比

科学分野:

• 腫瘍学
• 計算病理学
• 放射線ゲノミクス

背景:

• H&Eスライド上の腫瘍間質構造の定量化は、膀胱癌（BCa）のリスク層別化を改善することができます。
• この定量化のための計算方法の開発は、臨床応用にとって重要です。

研究 の 目的:

• セグメンテーションのための全スライド画像用の深層学習モデルを開発すること。
• 多施設コホートにおけるMTSRの予後価値を評価すること。
• MTSRの根底にある分子メカニズムを調査し、マルチパラメータMRI（mpMRI）放射線ゲノミクスを用いた非侵襲的推定法を開発すること。

主な方法:

• ResNet50畳み込みニューラルネットワークは、セグメンテーションのためにがんゲノムアトラス（TCGA）BCaスライドでトレーニングされました。
• MTSRを計算し、Cox回帰、Kaplan-Meier分析、およびメタアナリシスを用いてその予後価値を評価しました。
• マルチオミクス（バルクおよび単一細胞RNAシーケンシング）およびmpMRI放射線ゲノミクス解析を実施しました。

主要な成果:

• CNNはセグメンテーションで90%以上の精度を達成しました。
• MTSRとNステージを組み込んだノモグラムは、リスク予測を改善しました。
• 高MTSR腫瘍は、マクロファージ浸潤の増加と、ECMリモデリングおよびTGF-β/WNTシグナル伝達経路の濃縮を示しました。
• 単一細胞解析により、ITGB8高値の尿路上皮サブタイプが特定され、異なるWNT活性が示されました。
• mpMRI放射線ゲノミクスモデルは、約70%の精度でMTSRの状態を予測しました。

結論:

• 深層学習由来MTSRは、BCaにおいて再現性があり、予後予測因子です。
• MTSRは、ITGB8濃縮間質腫瘍形成経路とメカニズム的に関連しています。
• mpMRI放射線ゲノミクスは、統合的なBCaリスク層別化のための非侵襲的なMTSR推定を可能にします。