从非抗体染色的光成像对胃癌预后进行虚拟多重免疫光染色

科学领域:

• 计算病理学计算病理学
• 生物医学成像学 生物医学成像学
• 医学中的人工智能

背景情况:

• 多复合免疫光 (mIF) 染色对于疾病诊断,研究和药物开发至关重要.
• 目前的mIF技术受到高成本和时间要求的限制.

研究的目的:

• 开发一个具有成本效益和时间效率的虚拟mIF染色系统.
• 为了利用深度学习来从非抗体染色图像中预测mIF.

主要方法:

• 使用深度学习开发了一个基于多模态注意力的虚拟mIF染色 (MAS) 系统.
• 该系统从自光 (AF) 和DAPI成像中提取与抗体相关的特征.
• 自我和多重注意力机制预测胃癌中生存相关生物标志物的mIF.

主要成果:

• 在180个胃癌幻灯片上,MAS系统表现出高效和一致的性能.
• 七个生物标志物的虚拟mIF图像 (CD3,CD20,FOXP3,PD1,CD8,CD163,PD-L1) 显示出与标准mIF相比的预后准确性.
• 该系统可靠地对癌症和非癌症胃组织进行了检查.

结论:

• MAS系统提供了一种快速可靠的方法,用于生成虚拟多重染色.
• 这种方法显著降低了mIF的成本,并提高了临床工作流程.
• 虚拟mIF显示了在瘤学中改善诊断和预后应用的希望.