空间子设置使口腔状细胞癌多重成像数据的整合建模成为可能

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 计算病理学计算病理学

背景情况:

• 口腔状细胞癌 (OSCC) 是一种具有不良预后和少数可靠预后生物标志物的侵袭性癌症.
• 了解瘤免疫微环境 (TIME) 是开发有效治疗方法的关键.

研究的目的:

• 用高度多重成像质细胞计来研究OSCC中的TIME.
• 识别与瘤分化和临床结果相关的空间免疫细胞模式.
• 开发一种机器学习框架,用于预后生物标志物发现.

主要方法:

• 在OSCC活检中使用高度多重成像质细胞计.
• 一种空间子设置方法通过组织区域标准化了免疫细胞种群.
• 机器学习管道用于特征选择和多变量建模.
• 与临床结果的相关性在独立的队列中进行了评估.

主要成果:

• 获得了OSCC精确的组织学分级分类 (AUC = 0.88).
• 特定的TIME特征与临床结果相关:粒细胞MAPKAPK2信号传递,CD4+记忆T细胞大小和纤维细胞与瘤边界的距离.
• 确定了与差异化损失相关的 TIME 模式.

结论:

• 建立了一个强大的框架来分析OSCC中复杂的成像数据.
• 发现了Sentinel TIME的特征,提供了潜在的预后生物标志物.
• 这些发现可以有助于风险分层和开发OSCC的免疫调节疗法.