基于 H&E 全切片图像的多癌组学分子变异高效可解释预测
计算机视觉与模式识别
2024-07-23 v1
摘要
肿瘤样本进行分子检测以筛查可革向的生物标志物,受制于标准化不足、检测时效、成本及组织获取受限的问题,并且低发生率的可革向变异在常规流程中可能未被检测。基于 H&E 染色图像预测 DNA 变异的算法可用于优先安排样本进行确认性分子检测。依赖大量含有突变的样本作为训练数据的成本与需求限制了针对每种变异单独训练算法的方案。本文采用多任务方法对来自 H&E 图像的多种 DNA 变异进行同步预测。与特定生物标志物的模型相比,该方法在平均性能上表现更佳,尤其对罕见突变的提升尤为显著。模型在独立的时段保留、外部染色及跨机构的 TCGA 测试集上均能合理地泛化。此外,使用多任务模型提取的全切片图像嵌入在训练之外的下游任务中表现出强大的性能。总体而言,本方法为开发从单张切片中提供多项可操作性预测的临床可用算法提供了有前景的途径。
引用
@article{arxiv.2407.15816,
title = {Efficient and generalizable prediction of molecular alterations in multiple cancer cohorts using H&E whole slide images},
author = {Kshitij Ingale and Sun Hae Hong and Qiyuan Hu and Renyu Zhang and Bo Osinski and Mina Khoshdeli and Josh Och and Kunal Nagpal and Martin C. Stumpe and Rohan P. Joshi},
journal= {arXiv preprint arXiv:2407.15816},
year = {2024}
}