在乳腺癌组织病理学幻灯片中自动检测和评分瘤透性淋巴细胞

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 瘤透淋巴细胞 (TIL) 是癌症检测和治疗的关键生物标志物.
• 在组织病理学幻灯片中精确量化TILs对于免疫瘤学研究至关重要.

研究的目的:

• 开发和验证基于深度学习的工具,用于在乳腺癌组织病理学幻灯片中自动检测TILs.
• 应用一种结合U-Net和Mask R-CNN模型的新方法来进行细胞水平TIL分析.

主要方法:

• 数据集的创建包括根据国际免疫瘤生物标志物工作组的指导方针对63张乳腺癌幻灯片进行注释.
• 一个U-Net模型在检测树叶区域方面取得了98%的准确性.
• 用一个Mask R-CNN模型来精确地检测TILs在层体内.

主要成果:

• 开发的工具与病理学家评分 (p=0.045) 在TIL量化方面显示出95%的一致性.
• 综合深度学习方法在大型病理幻灯片中成功检测了细胞水平的TIL.
• 该工具提供了具有统计意义和高度准确的TILs分数.

结论:

• 这种新的双重深度学习模型方法为乳腺癌组织病理学中的TILs评分提供了一个强大的方法.
• 开发的TILs检测工具对生物医学和病理学应用的研究有价值.
• 建议使用多种数据集进行进一步验证,以确保稳健的临床实施.