HistoWAS：面向组织拓扑与患者结果大规模特征-Wide 关联研究的组织图像路径学框架
计算机视觉与模式识别
2025-12-24 v1
摘要
高通量"pathomic"分析 Whole Slide Images（WSIs）为研究组织特征和生物标志物的发现提供了新机会。然而，由于缺乏促进测量单个结构特征与临床参数之间空间相互作用的工具，限制了组织特征在微观和宏观环境层面的临床相关性。为解决这些挑战，我们引入HistoWAS（组织-Wide关联研究），一个旨在将组织空间组织结构与临床结果关联起来的计算框架。具体而言，HistoWAS实现了（1）一种特征空间，通过扩展常规指标，引入30个拓扑和空间特征，源自地理信息系统（GIS）点模式分析，用于量化组织微观结构；以及（2）一个关联研究引擎，灵感来自Phenome-Wide关联研究（PheWAS），对每个特征进行大规模单变量回归，并进行统计校正。作为概念验证，我们应用HistoWAS分析了总计102个特征（72个常规对象级特征和我们30个空间特征），使用来自Kidney Precision Medicine Project（KPMP）的385片PAS染色WSIs（206名参与者）。代码和数据已发布至https://github.com/hrlblab/histoWAS。
引用
@article{arxiv.2512.19954,
title = {HistoWAS: A Pathomics Framework for Large-Scale Feature-Wide Association Studies of Tissue Topology and Patient Outcomes},
author = {Yuechen Yang and Junlin Guo and Yanfan Zhu and Jialin Yue and Junchao Zhu and Yu Wang and Shilin Zhao and Haichun Yang and Xingyi Guo and Jovan Tanevski and Laura Barisoni and Avi Z. Rosenberg and Yuankai Huo},
journal= {arXiv preprint arXiv:2512.19954},
year = {2025}
}