SurGen: 1020个H&E染色的整片图像,包括生存和遗传标记

科学领域:

• 计算病理学计算病理学
• 数字瘤学数字瘤学
• 精准医学是一门精准的医学.

背景情况:

• 癌症是全球主要的死亡原因.
• 整合的组织病理学,遗传学和生存数据集对于计算病理学和个性化医学至关重要.

研究的目的:

• 介绍SurGen,一个用于结直肠癌研究的综合数据集.
• 为了使先进的机器学习应用在瘤学.

主要方法:

• 从843例结直肠癌病例中编制了1020张H&E染色全片图像 (WSI).
• 包括KRAS,NRAS,BRAF突变,不匹配修复状态和生存数据的注释.
• 开发一个概念验证模型,从WSIs预测不匹配修复状态.

主要成果:

• SurGen数据集包含遗传突变和生存数据的详细注释.
• 一个从WSIs预测不匹配修复状态的模型实现了接收器运行特征曲线下的面积为0.8273.3.
• 数据集对生物标志物发现和预后建模的证明有用性.

结论:

• SurGen提供了一个宝贵的资源,将WSIs与结直肠癌的临床和遗传数据联系起来.
• 该数据集支持推进诊断精度和个性化治疗策略的研究.
• 初步发现强调了在瘤学中开发先进机器学习应用的潜力.