在整个幻灯片图像中自动确定瘤细胞百分比:用于分子病理学测试的核分类研究

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 在瘤学瘤学.

背景情况:

• 瘤细胞百分比计算对于分子病理学至关重要,但容易引起病理学家的变化.
• 需要客观的,自动化的方法,特别是随着数字病理学的兴起.
• 高度血清性癌症需要准确的瘤细胞估计,以有效的患者管理.

研究的目的:

• 开发和评估一种自动化模型,用于计算高度血清性癌症中瘤细胞的百分比.
• 利用数字病理学和机器学习进行客观的瘤细胞评估.
• 为了减少预分析估计中的观察者间的变化.

主要方法:

• 使用来自100名患者的血素-素染色幻灯片开发一个计算模型.
• 幻灯片的数字化和图像分析使用QuPath和ImageJ.
• 使用StarDist和随机森林算法进行核探测,细分和分类.
• 模型验证使用交叉验证和针对免疫组织化学 (p53/PAX8) 的测试作为整个幻灯片图像 (WSI) 的标准标准.

主要成果:

• 一个随机森林二进制分类器被开发和优化通过超参数调整和交叉验证.
• 该模型在整个幻灯片图像上进行了测试,证明了其用于自动化瘤细胞百分比计算的能力.
• 使用回归指标评估性能,表明模型在现实世界中应用的潜力.

结论:

• 开发的自动化模型提供了一个更客观的方法来计算高度血清癌的瘤细胞百分比.
• 这种数字病理学解决方案有可能最大限度地减少观察者之间的变化,并改善患者管理.
• 对整个幻灯片图像的进一步评估反映了其在临床环境中的适用性.