瘤透淋巴细胞在肺腺癌的特征工程评估
概括
一个新的机器学习算法Feature Engineering TIL Assessment (FTA) 使用患者数据自动评估瘤透淋巴细胞 (TIL). 与手动病理学审查相比,这种图像独立的方法减少了变化和时间.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 计算病理学计算病理学
背景情况:
- 瘤透淋巴细胞 (TIL) 是免疫治疗中的关键预后标志物.
- 目前在H&E幻灯片上对TIL的手动评估是耗时的,容易引起观察者之间的变化.
研究的目的:
- 使用机器学习开发一个自动化,图像独立的算法用于TIL评估.
- 使用腺癌元数据 (历史记录,临床,病理学数据) 进行TIL评估.
主要方法:
- 一个弹性网算法被用于自动化的TIL评估.
- 贝叶斯优化用于算法调整.
- Leave-One-Subject-Out交叉验证验证了该模型,用于特征排名的系数.
主要成果:
- 特性工程TIL评估 (FTA) 算法表现出强的表现.
- 关键性能指标包括平均绝对误差为2.1%和一致性相关系数为0.71.1.
- 功能排名将性别确定为重要因素,与现有的临床文献保持一致.
结论:
- FTA代表了第一个独立于图像的自动化TIL评估程序.
- 这种算法有可能克服手动TIL评估的局限性,包括观察者之间的变化和时间限制.
