前列腺癌树突发生物计算图谱产出可解释且具预后意义的生物标志物
定量方法
2026-01-13 v1 机器学习
摘要
当前的前列腺癌组织病理分级主要依赖腺体结构，很大程度上忽略了肿瘤微环境。本文提出了 PROTAS（一个深度学习框架），用于对常规 hematoxylin and eosin（H&E）切片中的活性树突发生物进行量化，并将树突形态与底物生物学关联。PROTAS 定义的树突发生物特征包括核型放大、胶原紊乱以及合约路径通路的转录学富集。PROTAS 在外部 PLCO（Prostate, Lung, Colorectal, and Ovarian）数据集上稳健地检测树突发生物，并通过领域对抗训练实现对诊断性腺体的泛化。在与病理学家进行的 head-to-head 比较中，PROTAS 在树突发生物检测方面表现优于病理学家，空间树突特征独立于既定预后变量（c-index=0.80）预测生物复发。通过捕捉与肿瘤进展相关的亚细胞树突表型，PROTAS 提供了一种可解释、可扩展的生物标志物，以细化风险分层。
引用
@article{arxiv.2601.06360,
title = {Computational Mapping of Reactive Stroma in Prostate Cancer Yields Interpretable, Prognostic Biomarkers},
author = {Mara Pleasure and Ekaterina Redekop and Dhakshina Ilango and Zichen Wang and Vedrana Ivezic and Kimberly Flores and Israa Laklouk and Jitin Makker and Gregory Fishbein and Anthony Sisk and William Speier and Corey W. Arnold},
journal= {arXiv preprint arXiv:2601.06360},
year = {2026}
}