使用深度神经网络进行瘤预后预测的多组学和组织学幻灯片图像的融合决策级方案
Tingting Zhao1, Yongyong Ren2,3, Hui Lu1,2,3,4
1Center for Biomedical Informatics, Shanghai Engineering Research Center for Big Data in Pediatric Precision Medicine, Shanghai Children's Hospital, Shanghai, 200240, China.
Scientific reports
|July 15, 2025
概括
这项研究引入了一个新的AI框架,用于整合多组学和病理学图像来预测癌症预后. 与单个数据类型相比,这种多式联络数据融合显著提高了预测准确性.
科学领域:
- 计算生物学和生物信息学
- 在瘤学中使用人工智能
- 医学图像分析 医学图像分析
背景情况:
- 瘤学研究越来越多地使用多式联络数据进行预测建模.
- 深度学习和人工智能有助于大型,多样化的数据集的融合.
- 整合多组学和组织病理学数据是一个重大挑战.
研究的目的:
- 开发一个决策级别的多式联运数据融合框架.
- 整合多组学和病理组织幻灯片图像,以提高癌症的预后预测.
- 建立一种方法来结合不同类型的癌症数据.
主要方法:
- 一个新的框架使用图形卷积层从病理图像创建核的空间地图.
- 图像特征的特征张量计算图像特征的特征张量计算.
- 全球平均值聚合用于对齐和规范 multiomics 和图像特征以实现无集成.
主要成果:
- 多模式融合方法显著改善了预后预测的准确性.
- 平均C指数从0.61 (单模式) 增加到乳腺癌的0.75.
- 非小细胞肺癌的平均C指数从0.52 (单模) 增加到0.67.
结论:
- 决策级别的多式联通数据融合提高了癌症结果的预测.
- 拟议的框架提供了一种强大的方法来整合多组学和病理学数据.
- 这种方法为未来的癌症研究提供了宝贵的见解和技术方法.
