融合深度学习和人类观察到的瘤脂肪细胞相互作用作为结直肠癌中的生物标志物

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 生物标志物发现发现

背景情况:

• 结肠直肠癌 (CRC) 的预后与涉及瘤相关脂肪细胞的组织学特征有关,特别是深度学习识别的瘤脂肪特征 (TAF) 和病理学家识别的Stroma AReactive Invasion Front Areas (SARIFA).
• 虽然TAF和SARIFA都显示出糟糕的结果,但它们的关系和独立角色需要进一步阐明.

研究的目的:

• 研究TAF和SARIFA在结直肠癌中的重叠和差异.
• 在SARIFA阴性病例中确定直接瘤脂肪细胞接触的预后意义.
• 评估FABP4和CD36基因表达与TAF,SARIFA和CRC预后的关联.

主要方法:

• 在已发表的图像中对TAF进行系统病理审查,以评估与SARIFA的重叠.
• 对SARIFA阴性CRC病例中TAF存在的分析.
• 对FABP4和CD36的TCGA-CRC基因表达数据的调查,与TAF,SARIFA和患者结果相关.

主要成果:

• 在TAF和SARIFA现象之间观察到显著的重叠,表明它们具有共同的形态和生物特征.
• 在SARIFA阴性CRC病例中,TAF与不良预后无关,这表明直接的瘤-脂肪细胞相互作用至关重要.
• 在结直肠癌患者中,FABP4和CD36基因表达的上调与预后不佳相关.

结论:

• 该研究证实了人类观察到的SARIFA和基于深度学习的TAF之间的实质性重叠,突出了整合这些方法用于生物标志物发现的潜力.
• 直接的脂肪细胞-瘤细胞相互作用在结直肠癌的进展中显得至关重要,并需要进一步研究作为预后生物标志物.