结直肠癌症中利用深度学习对病理图像中的肿瘤浸润淋巴细胞进行预后评估
摘要：自动化的肿瘤浸润淋巴细胞（TILs）计分算法在癌症中具有重要的预后价值。然而，目前很少有针对结直肠癌（CRC）开发的基于深度学习的TIL计分算法。本研究采用H＆E染色图像，开发了一个自动化的、多尺度的LinkNet工作流程，用于定量TILs对CRC肿瘤的细胞水平进行计算。利用来自The Cancer Genome Atlas（TCGA）的554名CRC患者和来自Molecular and Cellular Oncology（MCO）的1130名CRC患者的两个国际数据集，评估了自动TIL得分（TIL）对疾病进展和总生存的预测性能。LinkNet模型提供了出色的精度（0.9508）、召回率（0.9185）和整体F1得分（0.9347）。在TCGA和MCO队列中，观察到TILs与疾病进展或死亡风险之间存在明确的剂量-反应关系。TCGA数据的单变量和多变量Cox回归分析表明，TILs高的患者疾病进展的风险显著降低（约75\%）。在单变量分析中，MCO和TCGA研究中，TIL高组与总体生存改善显著相关（分别降低了30\%和54\%的风险）。然而，在MCO数据集中观察到潜在的混杂因素。高TILs的有利效应在不同亚组根据已知风险因素中一致观察到。基于LinkNet的深度学习工作流程成功开发用于自动化TIL计量。
作者：Anran Liu, Xingyu Li, Hongyi Wu, Bangwei Guo, Jitendra Jonnagaddala, Hong Zhang, Xu Steven Xu
论文ID：2208.11518
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-09-16