QuPath算法在组织微阵列中准确识别MLH1-缺乏炎症性肠病相关的结肠直肠癌
Ross J Porter1,2, Shahida Din2, Peter Bankhead1,3
1Edinburgh Pathology, CRUK Scotland Centre, Institute of Genetics and Cancer (IGC), University of Edinburgh, Scotland EH4 2XU, UK.
Diagnostics (Basel, Switzerland)
|June 10, 2023
概括
使用QuPath的自动图像分析准确地识别了炎症性肠病 (IBD-CRC) 中的MLH1缺陷结肠直肠癌. 这种方法提高了效率,并减少了IBD-CRC诊断的免疫组织化学分析的变异性.
科学领域:
- 病理学 病理学 病理学
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 针对结直肠癌中MLH1缺乏症的免疫组织化学分析是劳动密集型的,容易发生观察者间的变异性.
- 准确识别MLH1缺乏炎症性肠病相关结直肠癌 (IBD-CRC) 对于患者分层和治疗决策至关重要.
研究的目的:
- 训练和验证开源图像分析软件QuPath,用于自动识别MLH1缺乏IBD-CRC.
- 评估QuPath在分类MLH1表达和组织组织学中的准确性,敏感性和特异性.
主要方法:
- 一个具有正常结肠和IBD-CRC组织的组织微阵列 (n=162) 对MLH1.1具有免疫性.
- 在一个子集 (n=14) 上训练QuPath,以区分MLH1的表达和组织类型 (正常的上皮,瘤,免疫透物,瘤).
- 训练过的算法应用于整个组织微阵列,结果与手动审查相比较.
主要成果:
- 在73.74%的有效病例中,QuPath正确识别了组织组织学和MLH1表达 (73/99).
- 该算法实现了100%的灵敏度和98.25%的特异性,用于在分类核心中识别MLH1-缺乏IBD-CRC (n=74).
- 在QuPath分类和手册审查之间观察到很高的一致性 (κ = 0.963),表明性能强.
结论:
- 使用QuPath的自动图像分析为IBD-CRC中的MLH1表达分析提供了一种高效和准确的方法.
- 这种方法有可能简化病理学实验室的诊断工作流程.
- 基于QuPath的分析可以减少观察者之间的变化,并提高IBD-CRC分类的一致性.
