从全幻灯片图像中预测代理生物标志物,以评估肺腺癌的整体存活率

科学领域:

• 计算病理学计算病理学
• 数字病理学数字病理学
• 癌症基因组学 癌症基因组学

背景情况:

• 血素和素 (H&E) 整片图像 (WSIs) 显示了生物标志物预测的潜力.
• 从WSIs直接预测患者的结果仍然具有挑战性.
• 肺腺癌 (LUAD) 预后评估需要改进的方法.

研究的目的:

• 调查WSIs预测基因表达的实用性,以评估LUAD患者的整体存活率 (OS).
• 评估计算衍生基因表达是否可以作为预后工具.

主要方法:

• 在TCGA-LUAD队列中确定了差异表达基因 (DEG).
• 使用基于注意力的多重实例学习 (AMIL) 来预测WSIs的基因表达.
• 使用CPTAC-LUAD数据集外部验证模型并比较预后值.

主要成果:

• 在TCGA-LUAD中成功预测了239个预后基因的表达 (Pearson的R>0.4).
• 预测的基因表达在TCGA-LUAD中显示出预后性表现 (一致性指数高达0.615).
• 在外部验证队列中,具有预测表达的36个基因是OS的预后.

结论:

• 从WSIs预测的基因表达是有效的评估OS在LUAD.
• 这种计算方法为LUAD预后提供了一种潜在的成本和时间高效的方法.
• 开辟了在LUAD治疗中预后评估的新途径.