一个新的深度学习算法用于预测人类乳头瘤病毒感染的头部和部癌症,使用常规组织学图像

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 头部和部状细胞癌 (HNSCC) 的病因包括酒精,烟草和人类乳头瘤病毒 (HPV) 等致癌物质.
• HPV 状态显著影响 HNSCC 的预后,治疗和患者存活率.
• 准确的HPV状态确定对于有效的HNSCC管理至关重要.

研究的目的:

• 开发一种新的深度学习管道,用于预测HNSCC.中的HPV感染状态.
• 为了评估该管道的性能,使用H&E染色HNSCC段的全幻灯片图像来评估该管道的性能.
• 为了将预测的HPV状况与患者生存率和瘤微环境特征相关联.

主要方法:

• 开发了一个深度学习管道,用于从H&E全幻灯片图像中检测HPV.
• 该管道为分层患者生成了数字-HPV评分.
• 进行了瘤微环境和免疫细胞的定量分析.

主要成果:

• 深度学习管道在HPV检测方面取得了最先进的性能.
• 数字-HPV评分显示了总体和疾病特异性生存时间的统计学上显著的患者分层.
• 与HPV阳性瘤相比,HPV阳性瘤显示出更高的淋巴细胞透,B细胞和T细胞,以及较低的巨细胞水平.

结论:

• 对H&E幻灯片的深度学习分析可以准确地预测HNSCC中的HPV状态.
• 数字-HPV评分是HNSCC中预后分层的一个有价值的工具.
• 在HNSCC中,HPV感染与独特的免疫微环境特征有关,影响患者的治疗结果.