在三阴性乳腺癌中预测新辅助化疗反应,使用治疗前的基因病理图像
Hikmat Khan1, Ziyu Su1, Huina Zhang2
1Department of Pathology, College of Medicine, Wexner Medical Center, The Ohio State University, Columbus, OH 43210, USA.
Cancers
|August 14, 2025
概括
一个AI模型使用H&E幻灯片预测三阴性乳腺癌 (TNBC) 中的新辅助化疗 (NACT) 反应. 注意地图突出显示免疫细胞,提高解释性和指导个性化瘤学.
科学领域:
- 计算病理学计算病理学
- 数字瘤学数字瘤学
- 发现生物标志物的发现.
背景情况:
- 三阴性乳腺癌 (TNBC) 由于其侵略性和有限的向疗法,因此存在重大治疗挑战.
- 预测对新辅助化疗 (NACT) 的反应对于定制治疗和改善TNBC患者的治疗结果至关重要.
- 用血素和素 (H&E) 染色的活检幻灯片为预测建模提供丰富的组织学信息来源.
研究的目的:
- 开发和验证基于注意力的多实例学习 (MIL) 框架,用于预测TNBC中NACT的病理完整反应 (pCR).
- 使用外部验证数据评估模型的概括性.
- 通过将注意力图与免疫细胞生物标志物的相关性来提高模型的解释性.
主要方法:
- 开发了一个基于注意力的MIL框架来分析治疗前的H&E染色活检幻灯片.
- 该模型在追溯TNBC队列 (n=174) 上进行了训练,并在独立队列 (n=30) 上进行了验证.
- 对模型注意力图与PD-L1,CD8+T细胞和CD163+巨细胞的多重免疫组织化学 (mIHC) 数据进行了空间联合注册.
主要成果:
- MIL模型在交叉验证中实现了0.85的平均AUC,在外部测试中达到0.78,显示出强大的预测性能.
- 注意力图显示了适度的空间重叠与免疫丰富的区域 (IoU:0.47为PD-L1,0.45为CD8+,0.46为CD163+).
- 这种重叠表明,在高注意力区域的免疫生物标志物对于NACT反应预测具有生物学相关性.
结论:
- 基于注意力的MIL框架准确地从H&E幻灯片直接预测TNBC中的NACT响应.
- 通过将注意区域与特定的免疫细胞种群联系起来,可以提高模型的解释性.
- 这种方法有可能识别组织学生物标志物,并推进TNBC的精确瘤学.
