在乳腺癌中使用BLEACH&STAIN多重复合免疫组织化学的自动预后标志物评估
Tim Mandelkow1, Elena Bady1, Magalie C J Lurati1
1Institute of Pathology, University Medical Center Hamburg-Eppendorf, 20246 Hamburg, Germany.
Biomedicines
|December 23, 2023
概括
使用多重光免疫组织化学 (mfIHC) 的AI框架准确检测乳腺癌标志物. 这种方法将孕激素受体 (PR),雌激素受体 (ER),雄激素受体 (AR),GATA3和PD-L1确定为关键预后指标,改善风险评估.
科学领域:
- 在瘤学瘤学.
- 生物技术是生物技术.
- 人工智能的人工智能
背景情况:
- 常规乳腺癌预后依赖于易受瘤纯度变化的RNA面板.
- 多重光免疫组织化学 (mfIHC) 为更精确的风险评估提供了潜力.
- 需要自动化分析来利用mfiHC进行预后标志物检测.
研究的目的:
- 开发和验证一个人工智能驱动的框架,用于自动检测乳腺癌的预后标志物,使用mFIHC.
- 评估9个生物标志物 (PR,ER,AR,GATA3,TROP2,HER2,PD-L1,Ki67,TOP2A) 在侵袭性乳腺癌中的预后相关性.
- 为改善乳腺癌风险分层建立一个新的五标记预后得分.
主要方法:
- 开发一个十三步人工智能框架,用于自动识别乳腺癌和预后标志物检测.
- 11+1标记-BLEACH&STAIN-mfIHC染色的应用在1404种无特殊类型 (NST) 侵袭性乳腺癌上.
- 包括用于细胞距离分析的算法,并严格将分析限制在恶性细胞上.
主要成果:
- 人工智能框架在区分正常与恶性腺体方面实现了98.4%的准确性.
- 五个生物标志物 (PR,ER,AR,GATA3,PD-L1) 与延长整体存活时间 (p ≤ 0.0095) 有意义地相关.
- PR和AR成为独立的风险因素,五个标记的综合评分 (PR-ER-AR-GATA3-PD-L1) 显示出强大的预后相关性 (p < 0.0001).
结论:
- 对mfiHC的自动化AI分析提供了对乳腺癌多个预后参数的快速,可靠的评估.
- 开发的框架克服了基于RNA的方法固有的瘤纯度波动的局限性.
- 五个标记的预后得分提供了独立的预后价值,增强了乳腺癌患者的临床风险分层.
