基于人工智能的数字病理学,在免疫瘤学中使用H&E染色全片图像:从免疫生物标志物检测到免疫疗法响应预测
Jessica Zhang1, Horyun Choi2, Yeseul Kim1
1Department of Medicine, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA.
Journal for immunotherapy of cancer
|August 4, 2025
概括
数字病理学中的人工智能 (AI) 通过分析整个幻灯片图像来检测免疫生物标志物和预测对免疫检查点抑制剂 (ICI) 的反应来增强免疫瘤学. 这种方法旨在改善患者选择癌症免疫治疗的方法.
科学领域:
- 免疫瘤学 免疫瘤学
- 数字病理学数字病理学
- 人工智能的人工智能
背景情况:
- 免疫检查点抑制剂 (ICI) 已经彻底改变了癌症治疗,但只对一小部分患者有益.
- 目前用于患者选择的免疫生物标志物由于采样问题和瘤微环境的复杂性,其预测准确性有限.
- 手动定量生物标志物是耗时和主观的.
研究的目的:
- 在免疫瘤学中审查基于人工智能的数字病理学的现状.
- 讨论AI在免疫生物标志物检测和ICI反应预测中的应用.
- 探索AI在预测患者生存结果方面的潜力.
主要方法:
- 使用深度学习技术分析整个幻灯片图像 (WSIs).
- 应用AI到H&E染色的幻灯片用于免疫生物标志物识别和测量.
- 对AI在免疫瘤学和数字病理学方面的现有文献的审查.
主要成果:
- 人工智能展示了从H&E幻灯片分析复杂瘤微环境的潜力.
- 人工智能可以帮助更有效,更客观地识别和量化免疫生物标志物.
- 人工智能在预测ICI反应和患者生存结果方面表现有前途.
结论:
- 人工智能驱动的数字病理学为改善免疫瘤学患者选择提供了一个有希望的途径.
- 需要进一步的研究和开发,以克服AI在该领域临床部署的挑战.
- 人工智能可以提高针对个性化癌症治疗的免疫生物标志物评估的准确性和效率.
