深度学习使得骨髓瘤马赛克微环境的空间绘制成为可能 骨髓Trephine活检
Yeman Brhane Hagos1, Catherine S Y Lecat2, Dominic Patel3
1Centre for Evolution and Cancer and Division of Molecular Pathology, The Institute of Cancer Research, London, United Kingdom.
Cancer research
|November 14, 2023
概括
深度学习工具 (MoSaicNet和AwareNet) 分析了多发性骨髓瘤的骨髓活检. 空间分析揭示了MGUS和骨髓瘤之间的差异,以及治疗对免疫微环境的影响.
科学领域:
- 血液学 血液学 血液学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 骨髓特雷芬活检对于多发性骨髓瘤诊断至关重要.
- 评估复杂的骨髓组织架构具有挑战性.
- 目前的方法可能无法完全捕捉空间细胞相互作用.
研究的目的:
- 开发深度学习方法来分析骨髓特雷芬活检.
- 为了研究单克隆性骨髓瘤和多发性骨髓瘤的空间异质性.
- 了解治疗对髓瘤骨髓微环境的影响.
主要方法:
- 开发了MoSaicNet (超像素启发的深度学习) 用于组织架构.
- 开发了AwareNet (细胞失衡意识深度学习) 用于罕见细胞检测.
- 应用这些方法来分析MGUS,新诊断和治疗后多发性骨髓瘤患者的骨髓特雷芬活检.
主要成果:
- 为了分类,MoSaicNet和AwareNet实现了>0.98 AUC.
- 空间异质性,而不是细胞密度,将MGUS与新诊断的多发性骨髓瘤区分开来.
- 治疗减少了瘤细胞,免疫细胞和骨异质性,改变了微环境.
结论:
- 深度学习使骨髓瘤中骨髓微环境的详细空间映射成为可能.
- 这种方法补充了传统的吸入式技术.
- 空间分析提供了关于疾病进展和治疗反应的见解.
更多相关视频
11:00Visualization, Quantification, and Mapping of Immune Cell Populations in the Tumor Microenvironment
Published on: March 25, 2020
17.2K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
