基于深度学习的乳腺癌肿瘤与免疫表型预测
图像与视频处理
2024-04-26 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
肿瘤细胞与肿瘤微环境（TME）之间的相互作用决定了放疗和许多系统治疗在乳腺癌中的疗效。然而，迄今为止尚无一种广泛可用的方法可可靠地测量每个患者肿瘤的肿瘤和免疫表型。鉴于这一临床需求不足的现状，我们应用了多实例学习（MIL）算法来评估从乳腺癌原发肿瘤的HE染色片中检测十种生物学相关通路的活性。我们采用了不同的特征提取方法和最先进的模型架构。使用二分类，我们的模型在 nearly all 基因表达通路上获得了0.70以上的受试者工作特征曲线下面积（AUROC）得分，其中一些案例甚至超过0.80。注意力图表表明，我们训练的模型从HE染色中识别出细胞亚群的生物学相关空间模式。这些努力代表了开发反映TME细节的计算HE生物标志物的第一步，并为增强精准医疗提供了前景。
引用
@article{arxiv.2404.16397,
title = {Deep Learning-based Prediction of Breast Cancer Tumor and Immune Phenotypes from Histopathology},
author = {Tiago Gonçalves and Dagoberto Pulido-Arias and Julian Willett and Katharina V. Hoebel and Mason Cleveland and Syed Rakin Ahmed and Elizabeth Gerstner and Jayashree Kalpathy-Cramer and Jaime S. Cardoso and Christopher P. Bridge and Albert E. Kim},
journal= {arXiv preprint arXiv:2404.16397},
year = {2024}
}
备注
Paper accepted at the First Workshop on Imageomics (Imageomics-AAAI-24) - Discovering Biological Knowledge from Images using AI (https://sites.google.com/vt.edu/imageomics-aaai-24/home), held as part of the 38th Annual AAAI Conference on Artificial Intelligence (https://aaai.org/aaai-conference/)