基于深度学习和瘤微环境的初步探索,清晰细胞细胞癌的自动细分
Hong Tang1, Haibin Zhao2, Shaoqing Yu3
1Department of Pathology, Jiangnan University Medical Center, Wuxi, China.
Translational andrology and urology
|August 13, 2025
概括
这项研究使用人工智能和全幻灯片成像来分析清细胞脏细胞癌 (ccRCC) 的瘤微环境,揭示了对免疫治疗反应的洞察力. 高T细胞透率和原与晚期ccRCC阶段有关.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 全幻灯片成像 (WSI) 对于诊断清细胞细胞癌 (ccRCC) 至关重要.
- 瘤微环境 (TME) 特性显著影响免疫治疗结果.
- 了解癌细胞与TME相互作用是优化免疫疗法的关键.
研究的目的:
- 使用 WSI. 调查ccRCC TME特征.
- 确定影响免疫治疗反应的因素.
- 改进ccRCC的治疗策略.
主要方法:
- 开发了用于自动ccRCC细分的深度学习模型.
- 利用卷积神经网络来区分瘤区域 (TA).
- 采用逆值细分来分析淋巴细胞和原蛋白分布.
主要成果:
- 在TA细分中获得了96.67%的分类准确度和94.29%的灵敏度.
- 在晚期ccRCC中发现CD3+和CD8+T细胞透率更高.
- 与瘤生长和转移相关的原纤维增多.
结论:
- 人工智能驱动的WSI分析为ccRCC免疫疗法提供了新的见解.
- 深度学习提高了对瘤生物学和治疗结果的理解.
- 人工智能方法的临床整合可以优化患者特异性免疫疗法.
