基于图像的瘤细胞轨迹推断使得大规模的癌症进展分析成为可能
Yang Liu1, Ling Cai1,2, Ruichen Rong1
1Quantitative Biomedical Research Center, Peter O'Donnell Jr. School of Public Health, University of Texas Southwestern Medical Center, Dallas, TX 75390, USA.
Science advances
|July 18, 2025
概括
这项研究引入了一种使用组织学图像来追踪瘤进展和细胞多样性的AI模型,为癌症研究提供了昂贵的测序方法的经济有效替代方案.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 病理学 病理学 病理学
背景情况:
- 单细胞RNA测序是分析瘤微环境的标准,但成本高,资源密集.
- 估计细胞轨迹和瘤进展动态对于理解癌症至关重要.
- 目前的方法限制了对瘤异质性的大规模分析.
研究的目的:
- 开发一种具有成本效益的人工智能 (AI) 模型,用于使用标准组织学幻灯片分析瘤进展.
- 为了分类瘤细胞分化状态,并从H&E染色图像中推断动态轨迹.
- 为患者的生存率和瘤内部异质性提供预后见解.
主要方法:
- 开发了一个AI模型,利用细胞形态和空间组织从血素和素 (H&E) 染色的整片图像.
- 在三个独立的肺腺癌队列上验证了模型.
- 综合空间和批量转录组分析以识别细胞组件和基因签名.
主要成果:
- 人工智能模型准确地预测了细胞分化状态,并量化了瘤进展.
- 由人工智能衍生的瘤进展测量结果预测了患者的存活率.
- 转录组分析揭示了快速或缓慢进展的瘤中不同的途径.
结论:
- 人工智能对H&E幻灯片的分析为大规模瘤进展研究提供了具有成本效益的方法.
- 这种方法为内异质性和细胞动态提供了有价值的见解.
- 该方法增强了用于癌症研究的例行收集的病理学幻灯片的实用性.
更多相关视频
08:35A Human Glioblastoma Organotypic Slice Culture Model for Study of Tumor Cell Migration and Patient-specific Effects of Anti-Invasive Drugs
Published on: July 20, 2017
13.1K
10:04Radionuclide-fluorescence Reporter Gene Imaging to Track Tumor Progression in Rodent Tumor Models
Published on: March 13, 2018
12.1K
