通过人工智能 (GLASS-AI) 同时细分肺腺癌的分类
John H Lockhart1,2, Hayley D Ackerman1,2, Kyubum Lee3
1Departments of Molecular Oncology, H. Lee Moffitt Cancer Center, Tampa, 33612, FL, USA.
NPJ precision oncology
|July 18, 2023
概括
机器学习工具GLASS-AI客观地分析了肺腺癌小鼠模型,揭示了瘤异质性和Mapk/Erk路径失调. 这有助于推进临床前癌症研究和治疗开发.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 临床前基因工程小鼠模型 (GEMMs) 对于研究肺腺癌至关重要.
- 对GEMM的组织学分析耗时且主观,阻碍了一致的研究.
研究的目的:
- 开发一个客观和标准化的组织图像分析工具,用于肺腺癌GEMMs.
- 在临床前肺癌模型中利用机器学习对瘤进行分类,细分和分析.
主要方法:
- 开发GLASS-AI,基于机器学习的组织学图像分析工具.
- 对GLASS-AI与人类评级专家进行验证.
- 免疫组织化学染色与GLASS-AI分析的整合.
主要成果:
- 玻璃-AI表现出与人类专家评估的强烈一致.
- 该工具揭示了以前未报告的显著内异质性.
- 在高度和高级瘤中发现了Mapk/Erk信号的调节失调.
结论:
- 玻璃-AI提供了一个客观和有效的方法来分析肺腺癌GEMMs.
- 机器学习与分子技术的整合增强了对癌症进展途径的理解.
- 这种方法有利于临床前肺癌研究,并确定潜在的治疗点.
