深度高斯过程与微卫星不稳定性不确定性估计和免疫治疗反应预测从组织学

科学领域:

• 计算病理学计算病理学
• 在瘤学瘤学.
• 医学中的人工智能

背景情况:

• 瘤微卫星不稳定 (MSI) 状态对于预测免疫检查点抑制剂 (ICI) 和化疗药物的反应至关重要.
• 识别MSI-H/dMMR瘤指导胃癌和结直肠癌的治疗决策.

研究的目的:

• 开发和验证MSI-SEER,一个基于深度高斯过程的贝叶斯模型,用于使用H&E全幻灯片图像预测MSI状态.
• 评估MSI-SEER在预测ICI响应性方面的准确性,通过整合MSI状态和侧膜与瘤比率.
• 探索MSI-H地区的空间分布模式及其对ICI响应的影响.

主要方法:

• 在H&E全幻灯片图像上进行弱监督学习,以预测MSI状态.
• 贝叶斯深度高斯过程建模 (MSI-SEER).
• 通过多个大型数据集与多种患者群体进行验证.

主要成果:

• MSI-SEER在MSI预测方面取得了最先进的表现,包括不确定性量化.
• 通过将MSI状态与筋膜与瘤比率相结合,在预测ICI反应方面获得了高准确性.
• 级预测为MSI-H地区的空间分布及其与ICI响应的关联提供了新的见解.

结论:

• MSI-SEER提供了一种强大的计算工具,用于从组织病理图像中预测MSI状态.
• 该模型增强了ICI响应性的预测,可能优化癌症治疗选择.
• 对空间MSI模式的分析揭示了对瘤微环境和治疗结果的新理解.