深度CG:用于预测肺腺癌的预后的细胞图模型
Baoyi Zhang1, Chenyang Li2,3, Jia Wu4
1Department of Chemical and Biomolecular Engineering, Rice University, Houston, Texas, USA.
International journal of cancer
|March 1, 2024
概括
这项研究引入了基于深度学习的细胞图 (DeepCG) 模型,用于使用病理图像和基因表达数据进行肺癌预后. DeepCG提供细胞层次的解释,提高预后准确性和识别信息细胞.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 生物信息学是一种生物信息学.
背景情况:
- 肺癌是癌症死亡的主要原因,肺腺癌是最常见的亚型.
- 基于图像的预后模型是有价值的,但面临的挑战是数据的可用性和可解释性.
- 传统的卷积神经网络模型缺乏生物解释性.
研究的目的:
- 开发一种可解释的基于图像的肺癌预后模型.
- 整合转录和H&E染色数据以改善预后预测.
- 克服现有的预测模型在数据和可解释性方面的局限性.
主要方法:
- 综合匹配的转录和H&E染色数据来自癌症基因组图谱 (TCGA).
- 开发了一个基于深度学习的细胞图 (DeepCG) 模型,使用基因特征进行预后风险标签.
- 采用图形结构来捕获细胞模式以进行细胞层次的解释.
主要成果:
- 深度CG模型在独立数据集中证明了预后价值.
- 该模型成功地在病理图像中识别了预后信息细胞.
- 实现了细胞层次的解释,提供了比区域层次的方法更具生物学相关的见解.
结论:
- 深CG模型为肺癌预后提供了可解释和准确的方法.
- 整合多omics数据 (基因组学和成像) 增强预后模型的开发.
- 来自DeepCG的细胞层次解释为癌症生物学和患者的结果提供了新的见解.
