组织病理学驱动的人工智能预测TMB-H结直肠癌

新泻——生物标志物是对包括癌症在内的各种疾病采取适当和有效治疗方法的重要决定因素。有足够的证据表明免疫检查点抑制剂 (ICI) 对癌症的重要性，并且它们对特定的结肠直肠癌 (CRC) 患者显示出有希望的临床益处。几份报告证明了生物标志物的功效，例如程序性死亡 1 蛋白配体 (PD-L1)、肿瘤浸润淋巴细胞 (TIL) 密度和肿瘤突变负荷 (TMB)，以确定患者对 ICI 有效使用的反应性作为抗癌药物。wdG动博网

高水平的 TMB (TMB-H) 反映了肿瘤基因组每个编码区域的非同义体细胞突变总数增加，通常来自基因组测试，被认为是各种固体 ICI 治疗的有前途的生物标志物。癌症。然而，在临床实践中，对所有癌症患者进行基因面板检测是不可行的。wdG动博网

Yoshifumi Shimada 博士和新泻大学医学和牙科科学研究生院消化和普通外科部门的同事认为来自特定 CRC 患者亚组的 TMB-H 是预测 ICI 疗效的更可靠的标志物，并且开发了一种基于卷积神经网络 (CNN) 的算法，可直接根据组织病理学特征预测 TMB-H CRC，特别是从苏木精和伊红 (H&E) 染色的载玻片中获得的 TIL。H&E 染色的肿瘤突变负荷高结直肠癌肿瘤的代表性显微图像显示在附图中，表明与正常周围组织相比，存在显着升高的肿瘤浸润淋巴细胞。Shimada 博士小组从 JP-CRC 队列获得的这种肿瘤和非肿瘤图像的数字信息被转换和规范化，以使用 Inception V3 学习模型构建预测卷积神经网络模型。Shimada 博士及其同事开发的基于 CNN 的模型不仅有可能减轻病理学家正确诊断的负担，而且还可以提供有关患者对基于 ICI 的疗法的反应的必要信息，而无需使用昂贵的时间消耗且不易获得的基因面板测试。Shimada 博士及其同事的这项研究发表在最近一期的Shimada 博士及其同事开发的基于 CNN 的模型不仅有可能减轻病理学家正确诊断的负担，而且还可以提供有关患者对基于 ICI 的疗法的反应的必要信息，而无需使用昂贵的时间消耗且不易获得的基因面板测试。Shimada 博士及其同事的这项研究发表在最近一期的Shimada 博士及其同事开发的基于 CNN 的模型不仅有可能减轻病理学家正确诊断的负担，而且还可以提供有关患者对基于 ICI 的疗法的反应的必要信息，而无需使用昂贵的时间消耗且不易获得的基因面板测试。Shimada 博士及其同事的这项研究发表在最近一期的胃肠病学杂志wdG动博网

此外，Shimada 博士小组的研究还提供了仅使用来自患者肿瘤组织的 H&E 幻灯片的 TIL 信息来预测 TMB-H CRC 的方法。然而，考虑到研究队列中的患者未接受任何 ICI 治疗，无法得出关于 TMB-H 诊断后他们的 ICI 反应性的结论，建议未来需要进行临床试验以解决单独的 TIL 是否可以可用作 ICI 疗效的预测性生物标志物。Shimada 博士谈到目前的研究时说：“我们开发了人工智能，通过使用苏木精和伊红载玻片的深度学习来预测结直肠癌的基因改变。wdG动博网