利用图像分析辅助 AI 增强组织病理学审阅以优化 FFPE 切片 DNA 产量与肿瘤纯度
计算机视觉与模式识别
2022-04-08 v2
摘要
为满足下一代测序（NGS）的最低 DNA 输入与肿瘤纯度要求，病理学家需目视估算宏 dissection 与切片数量决策。误估可能导致组织浪费并增加实验室成本。我们开发了 AI 增强的智能病理审阅系统（SmartPath），为病理学家提供定量指标以确定组织提取参数。SmartPath 以数字化的 H&E 染色 FFPE 切片为输入，分割肿瘤、提取基于细胞的特征，并建议宏 dissection 区域。为预测每片切片的 DNA 产量，将提取的特征与已知 DNA 产量相关联。然后，病理学家定义的目标产量除以预测的每片 DNA 产量，即得到需刮取的切片数。模型开发后，在 Tempus Labs 分子测序实验室内进行了内部验证试验。我们在 501 张临床结直肠癌切片上评估了系统，其中一半接受 SmartPath 增强审阅，一半接受传统病理学家审阅。SmartPath 队列在 100–2000ng 期望目标范围内的 DNA 产量多出 25%。对于大组织区块，SmartPath 系统建议刮取更少切片，从而节省组织；反之，对于组织稀少样本，SmartPath 建议刮取更多切片，有助于防止因提取量不足导致的高成本重新提取。我们进行了统计分析以衡量协变量对结果的影响，为改进 SmartPath 未来应用提供见解。总体而言，该研究表明使用 SmartPath 的 AI 增强组织病理学审阅可通过优化 DNA 产量与肿瘤纯度来减少组织浪费、测序时间与实验室成本。
引用
@article{arxiv.2203.13948,
title = {AI-augmented histopathologic review using image analysis to optimize DNA yield and tumor purity from FFPE slides},
author = {Bolesław L. Osinski and Aïcha BenTaieb and Irvin Ho and Ryan D. Jones and Rohan P. Joshi and Andrew Westley and Michael Carlson and Caleb Willis and Luke Schleicher and Brett M. Mahon and Martin C. Stumpe},
journal= {arXiv preprint arXiv:2203.13948},
year = {2022}
}