一种机器学习方法来预测口腔状状细胞癌的HPV阳性

科学领域:

• 数字病理学数字病理学
• 机器学习在瘤学中
• 癌症基因组学 癌症基因组学

背景情况:

• HPV 状态是口腔状细胞癌 (OPSCC) 的关键预后因素.
• 目前的HPV状况确定依赖于p16^INK4a免疫组织化学和分子测试.
• 需要有效的方法来确定OPSCC中的HPV状态.

研究的目的:

• 开发一种图像分析和机器学习标准,直接从血素和素 (H&E) 染色的幻灯片中预测HPV状态.
• 在OPSCC中建立HPV状态的预测模型,使用形态测量和色度测量特征.

主要方法:

• 从两个独立的队列 (TCGA和费德里科二世大学) 的瘤细胞中提取了41个形态和色度特征.
• 开发了一个随机森林分类器,利用这些提取的特征.
• 分析的变量对模型可解释性的重要性.

主要成果:

• 随机森林分类器在预测HPV状态方面达到90%的准确性.
• 确定了对预测模型做出贡献的关键特征.
• 通过数字组织形态学特征来预测分子状态的可行性.

结论:

• 一个机器学习模型只使用H&E染色组织,可以准确预测OPSCC中的HPV状态.
• 这种方法提供了一种预测p16免疫组织化学和分子测试结果的潜在方法.
• 数字形态测量分析为彻底改变组织病理学诊断和癌症预后提供了希望.