人工智能辅助高通量组织微阵列工作流程
Konrad Kurowski1,2,3, Sylvia Timme1, Melanie Christine Föll1
1Institute for Surgical Pathology, Medical Center, Faculty of Medicine, University of Freiburg, 79106 Freiburg, Germany.
Methods and protocols
|December 27, 2024
概括
这项研究引入了一种高效的,人工智能辅助的工作流程,用于对大型患者队列的免疫组织化学 (IHC) 生物标志物研究. 高通量方法显著减少了瘤特征的时间和资源消耗.
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:
- 免疫组织化学 (IHC) 对于瘤瘤的特征和生物标志物识别至关重要.
- 由于劳动密集型IHC工艺,存档的甲固定嵌入式 (FFPE) 样品未得到充分利用.
- 需要高通量方法来分析大患者队列.
研究的目的:
- 使用现代技术开发IHC生物标志物研究的高通量工作流程.
- 为了促进大型患者群体和存档的FFPE样本的高效分析.
- 为了将抗体表达与临床病理学数据和患者存活率相关联.
主要方法:
- 从两个瘤患者队列中构建半自动组织微阵列 (TMA).
- 针对七种抗体 (AB) 的免疫组织化学染色.
- 用人工智能支持的图像分析 (QuPath) 来量化AB表达和与临床病理学数据的相关性,使用R-script.
主要成果:
- 与整个幻灯片研究相比,工作流减少了92.3%的劳动时间.
- 显著减少人力和物质资源的消耗.
- 成功地将AB表达与患者整体生存率和临床病理学数据相关联,生成准备出版的报告.
结论:
- 人工智能辅助的高通量TMA工作流简化了他的病理学研究.
- 与传统的全幻灯片研究相比,这种方法提供了成本和时间的效率.
- 它非常适合高通量研究中心和协作,保持研究质量,同时减少资源使用.
