一个泛癌症患者衍生的异种移植组织学图像存储库与基因组和病理学注释使深度学习分析成为可能
Brian S White1, Xing Yi Woo1,2, Soner Koc3
1The Jackson Laboratory for Genomic Medicine, Farmington, Connecticut.
Cancer research
|July 31, 2024
概括
这项研究创建了一个大型,多样化的集合,包含超过1000个患者衍生异种移植 (PDX) 图像. 这个资源使得癌症组织学的深度学习分析能够改善计算病理学和临床预测.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 癌症研究 癌症研究
背景情况:
- 患者衍生异种移植 (PDX) 在小鼠中复制人类瘤异质性.
- 血素和欧 (H&E) 染色是PDX组织学的标准.
- 深度学习可以从临床H&E图像中提取预测信号.
研究的目的:
- 创建一个全面的,泛癌PDX H&E图像存储库.
- 为了证明这个存储库对于计算分析的实用性.
- 促进基于图像的预测模型的开发.
主要方法:
- 策划了超过1000个PDX和配对的父母瘤H&E图像.
- 综合基因组,转录组和临床数据与病理评估.
- 应用深度学习用于区域分类和疾病预测.
主要成果:
- 开发了一种针对瘤,树突和死区域的分类器.
- 创造了异种移植淋巴增殖障碍的预测因子.
- 成功应用了微卫星不稳定性预测器.
结论:
- PDX图像库是数字病理学的宝贵资源.
- 能够对计算方法进行受控的评估.
- 促进基于PDX的临床预测模型的开发.
