3D病理学データセットにおける前立腺がんの検出は,生成性免疫マーキングによるものです

科学分野:

• 病理学 パトロジー
• コンピュータ生物学 コンピュータ生物学
• 腫瘍学 腫瘍学

背景:

• 非破壊的3D病理学は,標準ヒストロジーを補完する臨床標本の体積分析を可能にします.
• 前回の前立腺がんリスクの階層化に関する3D病理学の研究では,手動の注釈を使用し,細粒子の腺の境界線が欠けていました.
• 癌性腺と良性腺を正確に区別することは,正確なリスク分層化に不可欠です.

研究 の 目的:

• 3D病理学データセットにおける良性および前立腺がんに富んだ領域の境界を自動化し,強化する.
• 前立腺がんリスクの階層化を改善するための3Dコンピューティングパイプラインを開発する.
• 専門家の注釈に対して開発されたパイプラインの正確性を検証する.

主な方法:

• 腫瘍の生成ヒートマップ (SIGHT) のための合成免疫ラベリングと呼ばれる3Dコンピューティングパイプラインを開発しました.
• ディープラーニングベースの3D画像翻訳モデルを使用して,H&Eアナログデータを免疫光データセットに監視された変換を行いました.
• SIGHTは,がんに富んだ地域の3Dヒートマップを生成するためのサイトケラチンマーカーを合成的にラベル付けします.

主要な成果:

• SIGHTは,専門家の注釈に対する検証で平均F1スコア0.88を達成し,病理学者の間の合意 (F1スコア0.90) と比較できます.
• SIGHTで特定された特徴を使用した予備的な機械分類器は,再発リスクの3.57の有意な危険比を示しました.
• SIGHTで特定された領域における体積測定腺分析は,すべての組織領域の分析と比較して,前立腺がんリスクの階層化を著しく改善しました.

結論:

• SIGHTは,3D病理学におけるがん性および良性前立腺の線引きを効果的に自動化し,精度を高めています.
• このパイプラインは,3Dヒストモルフォメトリック特徴の正確な分析を通じて,前立腺がんリスクの階層化を改善することを促進します.
• SIGHTは,パーソナライズされたがん診断と予後のための3D病理学の活用における重要な進歩を表しています.