相关实验视频
Updated: May 21, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.8K
预测和分析瘤透淋巴细胞在28种癌症的TILScout使用深度学习
Huibo Zhang1,2, Lulu Chen2, Lan Li2
1Department of Bioinformatics, TUM School of Life Sciences, Technical University of Munich, Freising, Germany.
NPJ precision oncology
|March 20, 2025
概括
深度学习工具TILScout在癌症图像中量化瘤透淋巴细胞 (TILs). 较低的TIL密度与晚期癌症相对应,并影响免疫反应,突出TILs.
科学领域:
- 计算病理学计算病理学
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
背景情况:
- 瘤透淋巴细胞 (TILs) 对于抗瘤免疫是至关重要的.
- 它们在各种癌症类型中的预后价值需要进一步调查.
- 准确的TIL量化对于预测治疗反应至关重要.
研究的目的:
- 开发一种泛癌深度学习模型,TILScout,用于从整个幻灯片图像 (WSI) 进行自动化的TIL评分.
- 为了验证TIL分数在28种癌症类型中的生物学和预后意义.
- 探索TIL密度,癌症进展和基因组特征之间的关系.
主要方法:
- 开发TILScout,这是一个深度学习算法,用于在WSIs上进行补丁级TIL评分.
- 验证TILScout的分类准确性 (TIL阳性,TIL阴性,其他/死细胞) 在验证和独立测试集上.
- 对TILScout得分的泛癌症分析,将其与癌症阶段,免疫检查点基因表达和基因组变异相关联.
主要成果:
- 在分类WSI补丁时,TILScout实现了高精度 (0.9787) 和AUC (0.9988).
- 在28种癌症类型中,在TIL得分和癌症阶段之间观察到显著的反相关性.
- TIL评分与免疫检查点基因表达和癌症驱动基因突变有相关性.
结论:
- TILScout为胰腺癌TIL评估提供了一种强大且可扩展的方法.
- 降低TIL密度与癌症进展和瘤微环境的改变有关.
- TIL分数是瘤微环境中的一个重要的预后指标.
