自体光虚拟染色系统用于H&E组织学和多重体免疫光应用于肺癌免疫瘤生物学标志物
Jessica Loo1, Marc Robbins1, Carson McNeil1
1Verily, South San Francisco, California.
Cancer research communications
|December 5, 2024
概括
虚拟染色精确地从肺癌组织的自发光图像中重现了血素和欧 (H&E) 和多重免疫光染色. 这种深度学习方法使空间生物学研究成为可能,并提高了诊断效率,而不会破坏组织.
科学领域:
- 数字病理学数字病理学
- 空间生物学 空间生物学
- 计算病理学计算病理学
背景情况:
- 虚拟染色为分析组织样本提供了一种非破坏性的方法.
- 目前的方法在效率和组织保护方面存在局限性.
研究的目的:
- 从非小细胞肺癌 (NSCLC) 的自光 (AF) 图像中演示生成H&E和多重免疫光 (mIF) 的虚拟染色的可行性.
- 为了评估虚拟染色的准确性,用于组织学亚型和基于细胞细分的测量.
- 将基于深度学习的虚拟染色扩展到肺癌和mIF.
主要方法:
- 高通量超光谱光显微镜的高通量光显微镜.
- 机器学习算法 机器学习算法
- 用于准确性评估的特定领域的计算方法.
主要成果:
- 虚拟的H&E和mIF染料准确地重现了关键的形态特征和蛋白质生物标记物表达.
- 实现了精确的细胞细分和临床相关测量 (瘤面积,T细胞密度,PD-L1表达).
- 在各种评估指标中观察到中等到良好的表现.
结论:
- 虚拟染色是NSCLC的可行和可泛化的深度学习技术.
- 这种方法提高了空间生物学研究和临床工作流程的效率.
- 虚拟染色保护组织样本,同时提供可靠的诊断信息.


