一个AI-Ready多重染色数据集用于可重复和准确的瘤免疫微环境的特征

科学领域:

• 计算病理学计算病理学
• 在病理学中的人工智能.
• 数字病理学数字病理学

背景情况:

• 多重复合免疫光学 (mIF) 是昂贵的,需要专门的专业知识.
• 对瘤免疫微环境的手动注释是主观的,容易出现错误.
• 需要具有成本效益和可重现的方法来分析瘤病理学.

研究的目的:

• 为了引入一个新的AI-ready计算病理学数据集.
• 为了证明多重免疫组织化学 (mIHC) 和多重免疫光 (mIF) 染色方法的等价性.
• 为了使瘤免疫微环境的准确和可重现的表征.

主要方法:

• 创建了一个数据集,由八名头球状细胞癌患者的染色和共同注册的数字化图像组成.
• 在相同的瘤部分应用了mIF和mIHC染色.
• 开发了人工智能驱动的用例,包括风格转移和虚拟染色.

主要成果:

• 确定了mIHC和mIF染色对头甲状腺状细胞癌的等价性.
• 展示了具有成本效益的mIHC作为昂贵的mIF的可行替代品.
• 展示了用于免疫细胞量化和表型化的人工智能应用.

结论:

• 开发的数据集促进了可重现和准确的计算病理学分析.
• mIHC和mIF的等价性降低了成本和对专业实验室的依赖.
• 该资源促进了人工智能驱动的瘤免疫微环境表征和免疫疗法的研究.