胃癌におけるMSH2発現と予後予測のための機械学習ベースの病理学的特徴量シグネチャ

科学分野:

• 計算病理学
• デジタル病理学
• 腫瘍学における機械学習

背景:

• 胃癌（GC）は、癌による死亡の主要な原因である。
• ムッチュスホモログ2（MSH2）は、重要なDNAミスマッチ修復タンパク質であり、予後バイオマーカーである。
• 全スライド画像は、GC分析において従来の組織病理学よりも利点を提供する。

研究 の 目的:

• GCにおけるMSH2発現を予測するための機械学習由来のデジタル病理学的特徴量の調査。
• 全生存期間（OS）に対する病理学的特徴量の予後価値の評価。
• 病理学的特徴量、MSH2発現、および腫瘍免疫微小環境の関係の探求。

主な方法:

• 234人のGC患者から得られたH&E染色全スライド画像の分析。
• MSH2発現を推定するための病理学的特徴量スコア（PS）の開発。
• OSとPSの関連性を評価するためのCox回帰およびKaplan-Meier分析。
• 機能的濃縮および免疫浸潤分析。

主要な成果:

• MSH2発現と相関するデジタル病理学的特徴量が特定された。
• PSは、有意に異なるOSを持つ予後サブグループの患者を効果的に層別化した。
• 高いPSはより強力な抗腫瘍免疫応答を示唆し、低いPSは免疫抑制的な微小環境を示唆した。

結論:

• 機械学習由来の病理学的特徴量シグネチャは、GCにおけるMSH2発現を予測できる。
• このデジタル病理学的アプローチは、臨床的に意味のある予後情報を提供する。
• 病理学的特徴量は、GCの予後にとって価値のある補完的な研究ツールとして機能する。