人工智能定义了瘤透淋巴细胞的空间模式,与结果高度相关 - 一项泛GI癌症研究

科学领域:

• 计算病理学计算病理学
• 人工智能在瘤学中的应用
• 癌症基因组学和生物信息学

背景情况:

• 胃肠道 (GI) 癌症对全球健康构成重大负担,导致超过四分之一的癌症诊断和35%的癌症死亡.
• 瘤透淋巴细胞 (TILs) 是癌症中公认的预后标志物.
• 当前的预后模型往往缺乏细粒度来捕捉复杂的瘤微环境相互作用.

研究的目的:

• 研究来自TIL和癌细胞核的空间布局和外观的计算病理特征的预后意义.
• 开发和验证一种人工智能 (AI) 模型,用于预测各种胃肠道癌症类型的患者存活率.

主要方法:

• 利用了来自四个机构的1700多名患者的数据集.
• 从全片幻灯片图像中提取了2236个病态特征,这些图像是血素-素染色组织.
• 采用最小绝对收缩和选择运算符 (LASSO) 考克斯模型来确定前9个预测特征,重点关注空间关系和核形态.

主要成果:

• 人工智能模型成功地将患者分为"低风险"和"高风险"组,显示出显著的生存差异.
• 在多种胃肠道癌中实现了显著的危险比率 (HR),包括肝肝细胞癌 (HR=2.28),胰腺腺癌 (HR=2.79),直肠腺癌 (HR=5.85),胃腺癌 (HR=1.81).
• 对结直肠癌数据集 (TCGA-COAD,PLCO-COAD,Emory) 的外部验证证实了该模型的强大预后性能 (HRs 从2.32到3.38).
• 多变量分析证实了模型独立于临床因素,如阶段,年龄,种族和性别.

结论:

• TILs与癌细胞核之间的空间关系是各种胃肠道癌症生存的强有力的预后指标.
• 由人工智能驱动的计算病理学提供了一个强大的工具,用于发现瘤学中的新型预后生物标志物.
• 这种方法有可能完善风险分层,并为胃肠道癌患者个性化治疗策略.