一个基于人工智能的生态指数,用于对结直肠癌的预后评估

科学领域:

• 计算病理学计算病理学
• 人工智能在瘤学中的应用
• 瘤微环境分析分析

背景情况:

• 瘤微环境 (TME) 免疫细胞相互作用对于结直肠癌 (CRC) 预后至关重要.
• 需要对瘤和免疫细胞之间的空间关联进行定量评估.

研究的目的:

• 开发一种新的人工智能 (AI) 方法,用于定量评估CRC中瘤和免疫细胞之间的空间关联.
• 在CRC患者中评估Morisita-Horn生态指数 (Mor-index) 的预后价值.

主要方法:

• 利用深度学习和计算机细分用于免疫组织化学染色全幻灯片图像 (WSIs) 中的核细分.
• 应用Mor-index来量化瘤和免疫细胞之间的空间分布模式.
• 在发现 (N=432) 和验证 (N=137) 队列中验证了该方法.

主要成果:

• 与 QuPath 等现有工具相比,实现了更高的细分精度 (0.85).
• 证明较高的Mor-index与两个队列中的更好的整体存活率 (OS) 有显著的相关性.
• 较高的Mor指数与有利的生存率相关 (发现:HR 0.49,P=0.0014;验证:HR 0.21,P<0.0001).

结论:

• 成功开发了一种基于人工智能的方法,用于TME中的核细分.
• 莫尔指数有效地反映了免疫状态,并预测了CRC患者的良好生存率.
• 莫尔指数显示出作为CRC临床预后和决策工具的潜力.