利用深度学习来发现可解释的细胞空间生物标志物,以基于肝细胞癌组织学的预后预测
Huijuan Hu1, Tianhua Tan2,3, Yerong Liu1
1State Key Laboratory of Quantitative Synthetic Biology, Shenzhen Institute of Synthetic Biology, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, PR China.
The journal of pathology. Clinical research
|June 13, 2025
概括
研究人员开发了一种计算方法来分析肝细胞癌 (HCC) 瘤中的细胞空间组织. 这项分析从H&E染色图像中确定了新的空间生物标志物,这些生物标志物可以预测患者的生存率并提高预后准确性.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 生物信息学是一种生物信息学.
背景情况:
- 瘤微环境 (TME) 的空间结构为疾病进展提供了洞察力.
- 鉴定与HCC患者预后相关的细胞空间组织是具有挑战性的.
研究的目的:
- 开发一个计算管道来量化HCC中的细胞空间分布特征.
- 识别与患者存活率和预后准确性相关的空间特征.
主要方法:
- 深度学习用于H&E染色HCC图像中的细胞细分和识别.
- 对瘤细胞,肌体细胞和淋巴细胞的空间分布特征的系统量化.
- 在两个独立的HCC患者队列 (TCGA和北京医院) 中验证.
主要成果:
- 六个细胞空间特征与两个队伍的整体生存有显著的相关性.
- 像StrDiv-M,CellDis-MED和CvStrDis-MED这样的功能改善了患者的分层.
- 将空间特征与微血管入侵相结合,提高了预后准确性.
结论:
- 在HCC TME中量化细胞空间组织揭示了新的预后生物标志物.
- 这些生物标志物可以评估瘤预后,并指导临床治疗策略.
- 这些发现支持对HCC TME的空间组织进行进一步的机制研究.


