ディープ・サイトモルフォロジーは,CML患者におけるTKI感受性を予測するために,赤血球の歪みと単細胞形態を特定します

科学分野:

• 血液学 ヘマトロジ
• コンピューター病理学 (Computational Pathology) について
• 腫瘍学 腫瘍学

背景:

• 慢性骨髄白血病 (CML) の骨髄の細胞構成は完全に理解されていません.
• 治療反応を予測する要因を特定することは,CMLの管理に極めて重要です.

研究 の 目的:

• CML患者のチロシンキナーゼ阻害剤 (TKI) に対する主要な分子応答を予測する骨髄アスペラートにおける細胞形態学的マーカーを特定する.
• これらのマーカーを統合したモデルを開発し,検証し,リスクの階層化を改善する.

主な方法:

• 598人のCML患者からの1548個の骨髄アスピレーションスライドのディープラーニングベースの画像分析.
• TKI応答に関連した細胞形態学的特徴の識別と検証.
• 画像由来データと臨床データを組み合わせたMorphoclinicalモデルの開発.

主要な成果:

• エリトロイド前駆体濃縮,単細胞核ロブレーション,および低周辺白血球数は,よりよいTKI応答と関連していました.
• 開発されたMorphoclinicalモデルは,既存のスコア (AUROC 0.53-0.61) と比較して優れた予測性能 (AUROC 0.76) を示した.
• 第2世代のTKIを投与した低リスク患者は,イマチニブを投与した好ましいリスク患者と同等の結果を示した.

結論:

• 骨髄細胞形態学は,CMLにおける有意な予後値を有しています.
• 細胞形態学的特徴を統合することで,リスクの階層化を精錬し,前線のCML治療をパーソナライズすることができます.
• このアプローチは,CMLにおける治療結果を予測するためのより正確な方法を提供します.