PGVMS：病理学的意味学習によるプロンプト誘導型統一仮想マルチプレックスIHC染色フレームワーク

科学分野:

• デジタル病理学
• 計算病理学
• 生物医学画像解析

背景:

• 免疫組織化学（IHC）染色は、病理学におけるタンパク質発現の分子プロファイリングに不可欠です。
• 小生検における組織量の制限は、包括的なIHC分析を制限します。
• 仮想マルチプレックス染色はデジタルソリューションを提供しますが、意味的ガイダンス、染色の一貫性、および空間的なずれの課題に直面しています。

研究 の 目的:

• 単一プレックストレーニングデータのみを使用した仮想マルチプレックスIHC染色のための革新的なプロンプト誘導型フレームワーク（PGVMS）を開発すること。
• 現在の仮想染色法における意味的ガイダンス、染色分布の一貫性のなさ、および空間的なずれの限界に対処すること。

主な方法:

• 意味的ガイダンスのための病理学的視覚言語モデルを使用した適応型プロンプトガイダンスメカニズムを開発しました。
• 正確なタンパク質発現定量化と分布のためのタンパク質認識学習戦略（PALS）を実装しました。
• 空間的なずれを修正するために、クロスイメージ意味的相互作用のためのプロトタイプ整合学習戦略（PCLS）を利用しました。

主要な成果:

• PGVMSは、2つのベンチマークデータセットで優れた病理学的整合性を実証しました。
• このフレームワークは、意味的ガイダンス、染色分布、および空間的なずれの課題を効果的に克服します。
• H&E画像から高忠実度の仮想マルチプレックスIHC染色を達成しました。

結論:

• PGVMSは、仮想マルチプレックスIHC染色における重要な進歩を表しています。
• このフレームワークは、限られた組織サンプルから包括的なタンパク質プロファイリングを可能にします。
• PGVMSは、単一タスクモデルを超えて、統一された仮想染色システムへと移行します。