构建转录性瘤程序的数字组织学模型,用于基于病理学的精准医学的生成深度学习

科学领域:

• 计算病理学计算病理学
• 翻译性瘤学是指翻译性瘤学.
• 生物医学成像学 生物医学成像学

背景情况:

• 精确瘤学依赖于通过像转录组学这样的分子分析来识别瘤的脆弱性.
• 分子分析的高成本限制了它们的广泛临床应用.
• 组织学成像是一种广泛可用的诊断工具,可以潜在地推断出分子信息.

研究的目的:

• 开发一种计算模型,从瘤组织学中推断出转录程序.
• 识别与分子模式相关的可解释的图像特征.
• 弥合可访问的组织学和信息化的分子数据之间的差距.

主要方法:

• 来自状细胞癌 (SCC) 患者的RNA测序数据被用来定义转录程序.
• 深度学习模型经过训练,可以从组织学图像中预测程序活动.
• 使用生成对抗网络和病理学家审查来解释与分子预测相关的图像特征.

主要成果:

• 该方法确定了与SCC中病理学家可解释的图像特征相关的基因组.
• 检测到的分子过程包括免疫反应,原重塑和纤维化.
• 这些发现超越了对单个分子特征的预测,揭示了更广泛的生物模式.

结论:

• 这种方法发现了可临床解释的组织学特征,表明了分子过程.
• 这些特征可以在标准组织学幻灯片中检测到,使复杂的分子信息广泛可访问.
• 这种方法使标准显微镜能够为潜在的治疗指导提供患者特定的分子洞察力.