深度学习从未注释的病理图像中推断出乳腺癌中临床相关的蛋白质水平和药物反应
Hui Liu1, Xiaodong Xie1, Bin Wang2
1College of Computer and Information Engineering, Nanjing Tech University, 211816, Nanjing, Jiangsu, China.
NPJ breast cancer
|February 27, 2024
概括
这项研究介绍了wsi2rppa,一种使用深度学习来预测乳腺癌图像中的蛋白质水平的计算病理学框架. 该方法在诊断瘤和预测药物反应方面表现有前途,增强了精准医学.
科学领域:
- 计算病理学计算病理学
- 发现生物标志物的发现.
- 精准医学是一门精准的医学.
背景情况:
- 计算病理学有效地识别了瘤中的基因组和转录组模式.
- 蛋白质组学具有精准医学的潜力,但从病理图像中预测蛋白质水平尚未得到充分探索.
研究的目的:
- 提出一个深度学习框架,wsi2rppa,用于预测乳腺癌中从整个幻灯片图像 (WSIs) 中的瘤生物标记蛋白水平.
- 评估预测蛋白质水平对预后,药物反应和瘤诊断的有用性.
主要方法:
- 开发了wsi2rppa,这是一个弱监督的对比学习框架,用于WSIs.
- 利用对比式学习从图像中提取病态特征,然后集中注意力.
- 在TCGA-BRCA和CPTAC-BRCA队列上进行评估,预测蛋白质水平和药物反应.
主要成果:
- 在瘤诊断任务中实现了最先进的性能.
- 在预测临床相关蛋白质水平和药物反应方面表现强.
- 实现了0.79的AUC来预测trastuzumab反应,超过了以前的方法.
结论:
- 通过wsi2rppa的计算病理学显示出预测蛋白质水平,药物反应和临床结果的巨大潜力.
- 该框架通过注意力得分可视化提供可解释性,与瘤区域和基因表达相关联.
