基于病理学模型的开发和解释,用于预测结直肠癌中免疫治疗反应
Yan Luo1, Qiang Tian1, Lei Xu1
1Department of Pathology, The General Hospital of Western Theater Command, Chengdu 610083, China.
Methods (San Diego, Calif.)
|June 2, 2025
概括
这项研究引入了一种人工智能驱动的病理学模型,以利用组织病理学图像预测结直肠癌 (CRC) 免疫治疗反应. 这种方法绕过了转录组的局限性,为CRC治疗中的精密医学提供了一个新的工具.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 结肠直肠癌 (CRC) 是全球癌症死亡的主要原因,免疫疗法在特定患者群体中显示出有希望但有效性有限.
- 目前的预测算法如TIDE依赖于转录组数据,阻碍了广泛的临床应用.
- 人工智能 (AI) 和计算病理学为分析医疗图像以预测治疗反应提供了新的可能性.
研究的目的:
- 开发和验证基于人工智能的病理学模型,用于直接从组织病理图像中预测结直肠癌的免疫治疗反应.
- 确定CRC免疫疗法耐药性的潜在机制,重点关注纤维细胞的作用.
主要方法:
- 使用TIDE算法将TCGA-CRC样本分为免疫疗法响应者和不响应者.
- 一个基于卷积神经网络 (CNN) 的病理学模型被构建以从基因病理图像中预测免疫治疗反应.
- 进行了单细胞分析,以调查纤维细胞在免疫疗法耐药性中的作用,SHAP分析确定了关键的病理特征.
主要成果:
- 病理学模型实现了高分类性能,在试验组中,AUC为0.88在贴片水平和0.85在患者水平.
- 单细胞分析表明,纤维细胞可能通过原-CD44和ITGA1+ITGB1信号通路对CRC的免疫疗法抵抗产生贡献.
- 使用SHAP分析确定了可预测免疫治疗反应的关键病理特征.
结论:
- 一个人工智能驱动的病理学模型可以使用组织病理学图像准确地预测结直肠癌的免疫治疗反应,为基于转录组的方法提供一种临床适用的替代方案.
- 这些发现提供了关于CRC中纤维细胞介导免疫疗法耐药性机制的见解.
- 这种预测工具有可能增强临床决策,优化治疗策略,并为接受免疫治疗的CRC患者推进精准医学.
