HIPI:从H&E WSIs推断出的空间解析多重化蛋白表达.

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 生物医学成像技术 生物医学成像技术

背景情况:

• 固体瘤涉及瘤微环境中的复杂相互作用,影响诊断和预后.
• 量化这些相互作用通常需要昂贵的分子技术.
• 血素和欧 (H&E) 染色是一种廉价的,在病理学中的常规方法.

研究的目的:

• 开发一种计算方法,用于从H&E图像中预测细胞标记物表达.
• 为分析瘤与免疫相互作用建立一个具有成本效益的方法.
• 利用常规组织病理学来提高诊断和预后能力.

主要方法:

• 来自结直肠癌序列部分的配对H&E和循环免疫光 (CyCIF) 图像被用于模型训练.
• 开发了一个深度学习模型,HIPI (H&E图像解释和蛋白质表达推理).
• 模型的性能在持久的瘤区域和新患者样本上得到验证.

主要成果:

• 从H&E图像中,HIPI准确地预测了关键细胞标记物的空间分布.
• 该模型在内部和外部数据集上都表现出了有效性.
• 从H&E图像中,HIPI仅使用组织形态学成功推断了细胞类型的同位化.

结论:

• 从标准的H&E染色组织图像中,HIPI可以准确预测蛋白质表达和细胞相互作用.
• 这种方法为瘤分析提供了一种具有成本效益和可扩展性的方法.
• 在癌症诊断和预后方面,HIPI具有显著的临床应用潜力.