组织学幻灯片上的深度学习准确预测共识 结肠癌的分子亚型和空间异质性
Jean-Eudes LE Douget1, Paul Jacob1, Côme Lepage2
1Owkin, Paris, France.
概括
深度学习模型可以从常规组织学幻灯片中预测结肠癌分子亚型和异质性,改善患者辅助治疗决策的分层.
科学领域:
- 癌症学
- 计算病理学
- 生物信息学
背景情况:
- 结肠癌 (CC) 是一种异质性疾病,其分子亚型 (CMS) 影响治疗疗效.
- 目前的辅助性CC治疗依赖于T和N分期,可能会忽视分子信息.
- 在CMS亚型中的瘤内异质性 (ITH) 与预后较差有关.
研究的目的:
- 开发和验证使用整个幻灯片图像 (WSIs) 在CC中预测CMS和ITH的深度学习模型.
- 在内部和外部验证队伍中评估模型的性能.
- 探索模型绘制CMS空间分布的能力,并将组织学特征与CMS亚型联系起来.
主要方法:
- 在PETACC-8,TCGA-COAD和PRODIGE-13群体中使用了1,996名CC患者的WSIs.
- 开发了一个深度学习框架,包括自我监督的补丁嵌入和弱监督的CMS预测.
- 使用CMS分类器进行基础真相CMS评分,并进行解释性分析.
主要成果:
- 在同质瘤中实现高宏观平均AUC:93. 0% (内部CV) 和94. 4% (外部验证) (PETACC-8模型).
- 该模型准确地预测了CMS,并描述了ITH,证明了跨群体的稳定性.
- 成功可视化了空间CMS分布和组织学和CMS亚型之间的关联.
结论:
- 常规组织学WSI的深度学习为预测CC CMS和ITH提供了一种有效的方法.
- 这种方法可以提高辅助治疗的患者分层,超越传统的分阶段.
- 这些发现支持CMS和ITH评估在CC管理中的常规临床整合.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
492
