True-T - 通过整体的人工智能基于免疫组织化学图像的预测来改善T细胞反应量化
Yasmine Makhlouf1, Vivek Kumar Singh1, Stephanie Craig1
1Precision Medicine Centre of Excellence, Health Sciences Building, The Patrick G Johnston, Centre for Cancer Research, Queen's University Belfast, Belfast BT9 7AE, UK.
Computational and structural biotechnology journal
|December 26, 2023
概括
一种新的AI方法,True-T,使用免疫组织化学图像量化结直肠癌 (CRC) 的T细胞. 该工具为II-IV期CRC患者提供预后信息,改进了现有的标准.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 人工智能的人工智能
- 计算病理学计算病理学
背景情况:
- 瘤微环境中的T细胞淋巴细胞是癌症适应性免疫的关键.
- 在瘤中定量T细胞是一种潜在的诊断辅助,但不是标准实践.
- 目前的方法缺乏在常规诊断中T细胞定量化的效率和标准化.
研究的目的:
- 开发和验证一种基于人工智能的方法,True-T,用于使用免疫组织化学 (IHC) 图像在结直肠癌 (CRC) 中准确量化T细胞.
- 评估True-T在预测CRC患者5年生存率方面的预后价值.
- 评估True-T算法在各种固体瘤类型中的通用性.
主要方法:
- 在IHC图像中开发了True-T,一个使用U-Net与ResNet-34编码器进行T细胞细分 (CD3,CD4,CD8) 的AI管道.
- 从细分面具实现密度估计,以获得预后指标.
- 在四个机构的1041名患者身上验证了该方法,并在13个固体瘤上测试了CD3成分.
主要成果:
- 在IHC图像中,True-T精确地对T细胞 (CD3,CD4,CD8) 进行细分,证明了泛化能力.
- 估计T细胞密度为II-IV阶段的CRC患者提供了有价值的预后信息.
- CD3组件在13种不同的固体瘤中显示出普遍的准确性,表明其广泛适用性.
结论:
- True-T为CRC中T细胞量化提供了一个强大的AI驱动的解决方案,超越了当前的定量标准.
- 该方法具有显著的预后价值,有助于为癌症患者提供个性化治疗策略.
- True-T显示了在瘤诊断和预后中广泛临床应用的潜力.
