MICS2024|数字病理与人工智能在乳腺癌精准诊疗中的应用

小罗碎碎念

这两天在厦大开会,医学图像相关的学术会议。来之前一直在我自己的交流群里宣传这个会议,因为自己的推文与病理相关的比较多,所以群里的同行也比较关注这个会议病理相关的内容。

image-20240713162856401


讲者简介

Scopus主页:https://www.scopus.com/authid/detail.uri?authorId=57195556992

image-20240713162945476


报告中涉及的两篇Nature子刊。

⚠️:IF没有更新,Nat Genet目前最新IF是31.7,Nat Commun为14.7。

image-20240713163135671

提一嘴,NC这篇文章,用了Hover Net,之前群里就讨论过,小罗也写过详细的推文。启发就是,经典的模型也可以发高分的文章,不要抠一些没有必要的细节,思路更重要。这句话既是提醒自己,也是和大家共勉!!


小罗的启发

我全程很专注的听完报告,并且听完以后感觉得到了一些启发,所以赶紧打开电脑写了这篇推送。

讲者是临床出身,所以这两篇文章,有一个很强烈的特点——方法学源于临床,嫁接与医学AI。人只能赚到自己认知领域的钱,类比过来,我们只能想到自己认知领域内的点子。所以,要想多创新点,就要放下成见,不要孤芳自赏,多和同行交流。

加入你和小罗一样,工科出身,那么也完全可以把理工男的思维嫁接到目前的课题中(不论是改进实验流程,还是具体的模型),这样更容易给读者眼前一亮的感觉,想着原来还可以这样。


有意思的点

大家注意看这两篇文献的接收时间和发表时间,然后就会发现,两项工作大概率是同时开展的。启发可不一定只源于文献的创意,更有价值的也许是大佬们做研究的方法

image-20240713170341524

学过计算机组成原理的应该知道,计算机领域的一个拐点是并行计算,那么我们做研究的时候也可以考虑并行计算,多点开花,互为验证。

再说点现实的,利益也好分配,哈哈,两边同时做,并且还不冲突,谁先做出来都是对另一方的有力补充。


Nat Genet|综合多组学数据为HR+/HER2-乳腺癌患者提供定制化治疗方案

image-20240713164330145

一作&通讯

作者类型作者姓名单位名称(中文)
第一作者Xi Jin复旦大学上海癌症中心乳腺外科重点实验室
第一作者Yi-Fan Zhou复旦大学上海癌症中心乳腺外科重点实验室
第一作者Ding Ma复旦大学上海癌症中心乳腺外科重点实验室
第一作者Cai-Jin Lin复旦大学上海癌症中心乳腺外科重点实验室
通讯作者Yi-Zhou Jiang复旦大学上海癌症中心乳腺外科重点实验室
通讯作者Zhi-Ming Shao复旦大学上海癌症中心乳腺外科重点实验室

文献概述

这篇文章通过建立大规模多组学队列,对HR+/HER2-乳腺癌进行了分子分类,并提出了基于分子亚型的精准治疗策略。

研究团队建立了一个包含579名HR+/HER2-乳腺癌患者的大规模多组学队列,并识别出四种分子亚型:

  1. 典型亮面型(canonical luminal)
  2. 免疫原性(immunogenic)
  3. 增殖性(proliferative)
  4. 受体酪氨酸激酶(RTK)驱动型

这四种亚型的肿瘤表现出不同的生物学和临床特征,提示了亚型特异性的治疗策略。特别是,RTK驱动亚型以RTK通路的激活为特征,并与不良预后相关。免疫原性亚型富含免疫细胞,可能从免疫检查点治疗中受益。


此外,研究者还开发了基于数字病理学的卷积神经网络模型,用以区分这些亚型,为潜在的临床转化提供了工具。这种分子分类提供了对分子异质性的见解,并突出了HR+/HER2-乳腺癌精准治疗的潜力。

研究还涉及了多组学数据的整合、亚型特异性代谢基因、极性代谢物和脂质的网络分析,以及与基因组事件的整合分析。研究结果可能为HR+/HER2-乳腺癌的代谢重编程提供驱动机制的见解。

文章还包括了对不同SNF亚型肿瘤的微环境特征的分析,特别是免疫细胞和基质细胞的丰度。研究发现,SNF2亚型的肿瘤免疫细胞特别是适应性免疫系统的细胞更丰富,而SNF4亚型的肿瘤中基质细胞如癌相关成纤维细胞(CAFs)和内皮细胞显著富集。

最后,研究讨论了多组学分类在临床实践中的应用挑战,并提出了基于多组学数据的精准治疗策略,可能为HR+/HER2-乳腺癌的精准医学应用铺平了道路。研究的局限性在于其基于回顾性数据分析,需要前瞻性临床试验来提供更有力的证据支持。


重点关注

图1提供了该研究的概览,展示了研究人员如何构建了一个HR+/HER2-乳腺癌的多组学队列,目的是进行多组学的综合性亚型分析。

image-20240713165153440

研究流程包括以下几个关键步骤:

  1. 多组学队列构建:研究人员收集了579名患者的多组学数据,包括基因组学、转录组学、蛋白质组学、代谢组学和数字病理学等。

  2. 多组学整合亚型分析:通过相似性网络融合(Similarity Network Fusion, SNF)技术,研究人员对这些数据进行了聚类分析,最终确定了四种分子亚型:SNF1、SNF2、SNF3和SNF4。

  3. 亚型特征研究:对每个亚型的分子特征进行了深入研究,包括基因突变、基因表达、代谢物丰度和蛋白质表达等。

  4. 治疗策略识别:根据每个亚型的生物学特征,研究人员提出了针对特定亚型的治疗策略,例如针对增殖性亚型的CDK4/CDK6抑制剂,以及针对免疫原性亚型的免疫检查点疗法。

  5. AI方法开发:研究人员开发了基于人工智能(AI)的临床适用方法,通过深度学习对病理全切片图像进行分析,以推断每个亚型。这种方法可以辅助临床医生更准确地对HR+/HER2-乳腺癌患者进行亚型分类,从而提供个性化的治疗方案。


Nat Commun |数字病理学揭示乳腺癌微环境的多样性与临床相关性

在这里插入图片描述

一作&通讯

作者角色作者姓名单位名称(中文)
第一作者Shen Zhao上海复旦大学上海癌症中心乳腺外科重点实验室
并列第一作者De-Pin Chen南京信息工程大学人工智能学院医学人工智能研究所
并列第一作者Tong Fu上海复旦大学上海癌症中心乳腺外科重点实验室
并列第一作者Jing-Cheng Yang广州大湾区精准医学研究院
通讯作者Wen-Tao Yang上海复旦大学上海癌症中心病理科
通讯作者Yi-Zhou Jiang上海复旦大学上海癌症中心乳腺外科重点实验室
通讯作者Zhi-Ming Shao上海复旦大学上海癌症中心乳腺外科重点实验室
通讯作者Jun Xu南京信息工程大学人工智能学院医学人工智能研究所

文献概述

研究团队通过开发一种名为单细胞形态和拓扑分析(sc-MTOP)的新框架,利用数字病理学技术对肿瘤生态系统进行了深入分析,构建了乳腺癌肿瘤生态系统的全景图谱,并揭示了与临床治疗响应和患者预后相关的肿瘤微环境特征。

这项技术通过提取细胞核形态和细胞间空间关系的特征,对单个细胞进行表征

研究的主要发现和贡献包括:

  1. sc-MTOP框架:通过数字病理学分析,构建了一个包含4.1亿个细胞的单细胞图谱,这些细胞来自637个乳腺癌全切片图像(WSIs)

  2. 肿瘤生态系统的表征:研究揭示了肿瘤、炎症和基质细胞内部的表型多样性,并通过空间解析分析识别了与特定分子特征和患者预后相关的四种乳腺癌生态型

  3. 临床相关性:通过多组学数据分析,研究团队发现:

    • 局部聚集的炎症细胞的高丰度表明三阴性乳腺癌中免疫激活的肿瘤微环境和对免疫疗法的有利反应;

    • 肿瘤核的形态异质性与激素受体阳性病例中细胞周期通路激活和CDK抑制剂反应性相关。

  4. 在线平台:为了方便数据共享和sc-MTOP框架的使用,研究团队开发了一个在线平台,提供数据管理和实时分析功能。

  5. 研究意义:这项研究不仅为理解癌症生物学和改善癌症管理提供了新的视角,而且为临床治疗决策和预后评估提供了可能的生物标志物。

文章还讨论了sc-MTOP框架与其他技术相比的优势,例如成本效益、易于在大型临床队列中验证和优化,以及在临床实践中的潜在应用。

此外,研究还指出了一些限制,比如当前的核分类算法无法进一步将核分类为不同的功能亚群,以及需要更多实验和前瞻性收集的证据来支持其临床转化。


重点关注

Fig. 1 展示了单细胞形态和拓扑分析(sc-MTOP)的框架及其生成的数据集。

image-20240713170452325

a. sc-MTOP示意图:该框架首先使用Hover-Net在全切片图像(WSIs)上进行核分割和分类。然后,基于细胞核轮廓和细胞间空间关系,提取单个细胞的核形态、纹理和拓扑特征。

b. 多级成对图方法示意图:展示了如何在相同类型和跨细胞类型之间模拟细胞的空间关系(以肿瘤细胞为例)。T、I和S分别代表肿瘤细胞、炎症细胞和基质细胞。

c. 队列信息:提供了全切片图像的细胞组成以及患者的临床和多组学数据的信息。每个列代表一个患者。

d. sc-MTOP数据集的细胞组成:展示了整个sc-MTOP数据集中不同类型细胞的比例。

e. 根据乳腺癌IHC亚型的细胞组成:根据激素受体阳性/HER2阴性(HR+HER2-)、激素受体阳性/HER2阳性(HR+HER2+)、激素受体阴性/HER2阳性(HR-HER2+)和三阴性乳腺癌(TNBC)的分类,展示了不同IHC亚型中肿瘤细胞、炎症细胞、基质细胞和正常细胞的比例。使用卡方检验计算P值。

f. 箱线图:根据乳腺癌IHC亚型,展示了WSIs中肿瘤细胞、炎症细胞、基质细胞和正常细胞百分比的分布。

  • 箱线图中的中心线表示中位数;
  • 箱限表示上四分位数和下四分位数;
  • 须延伸至1.5倍四分位距内最远的数据点;
  • 须之外的点是异常值。

注意:

IHC:免疫组化;WES:全外显子测序;CNA:拷贝数变异。


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/45848.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

华为机试题-单车道汽车通行时间-Java

代码在最后面 1 题目描述 M(1 ≤ M ≤ 20)辆车需要在一条不能超车的单行道到达终点,起点到终点的距离为 N(1 ≤ N ≤ 400)。 速度快的车追上前车后,只能以前车的速度继续行驶,求最后一辆车到达…

赋值运算符.二

# 赋值运算符 # 等号右边先运算 a 10 # 复合运算符: 算术运算符 赋值运算符 简化代码 a a 1 print(a) # 11 a 1 print(a) # 12 a - 2 print(a) # 10 a * 5 print(a) # 50 a % 4 # 等价于: a a % 4 print(a) # 2 a ** 3 print(a) # 8 # P…

旋转电连接器抗干扰性有哪几个方面?

旋转电连接器作为一种精密的电气传输装置,它实现了两个相对旋转部件间的功率和信号传输。通过旋转电连接器可以传输高频的交流电、高电压的交流电、大电流的交流电、弱小的直流小信号等多种电信号,但是由仪器之间的距离有限,在如此短的距离内…

蓝桥杯算法周赛开赛啦

提醒:19:00算法双周赛准时开启! 单题“一血”可获得云课定制便携风扇! 🧧入榜最高200元!还可抽20~100元现金 🫘每月参加2次算法双周赛,额外发放88个实验豆! 参赛链接…

C++:类和对象 I(访问限定符、this指针)

目录 类的定义 类的大小 访问限定符 实例化 this指针 类的定义 class就是类,class是C中的一个关键字 当然类也可以是C语言中的struct,C兼容struct,甚至还有一些升级 定义类的方式 class Date {}; 和C语言的struct一样,c…

企业国产操作系统选型适配实施方案

【摘要】企业在推动国产化进程时,需选择一款主流、稳定且安全的服务器操作系统作为其系统软件。在产品投入实际生产环境前,对上游软硬件的适配情况有深入了解至关重要。本文将重点介绍银河麒麟高级服务器操作系统V10(以下简称麒麟V10&#xf…

Spuer().__init__的意义

class MyModel(nn.Module):def __init__(self):super().__init__() # 调用 nn.Module 的 __init__# 现在 nn.Module 的初始化完成,我们可以添加自定义层self.conv1 nn.Conv2d(1, 20, 5)self.conv2 nn.Conv2d(20, 20, 5) super().__init__() 在这里确实是在显式调…

昇思25天学习打卡营第14天|K近邻算法实现红酒聚类

红酒Wine数据集 类别(13类属性):Alcohol,酒精;Malic acid,苹果酸 Ash,灰;Alcalinity of ash,灰的碱度; Magnesium,镁;Total phenols,总酚&#xf…

算法可以赋能教育业务的哪些场景?

本文内容就一个点,将算法应用到教育系统中的各场景,让每个业务模块都实现智能化 以下列举出所有的需求点 目录 一、千人千面,个性化推荐流,推荐用户感兴趣的内容 实现方案:CTR模型 应用场景:所有的内容…

Perl语言之数组

Perl数组可以存储多个标量,并且标量数据类型可以不同。   数组变量以开头。访问与定义格式如下: #! /usr/bin/perl arr("asdfasd",2,23.56,a); print "输出所有:arr\n"; print "arr[0]$arr[0]\n"; #输出指定下标 print…

NLP任务:情感分析、看图说话

我可不向其他博主那样拖泥带水,我有代码就直接贴在文章里,或者放到gitee供你们参考下载,虽然写的不咋滴,废话少说,上代码。 gitee码云地址: 卢东艺/pytorch_cv_nlp - 码云 - 开源中国 (gitee.com)https:/…

deepin 卸载nginx

在Deepin系统中,要卸载nginx,可以通过终端执行以下步骤: 停止nginx服务: sudo systemctl stop nginx 禁用nginx服务(如果不再需要开机自启): sudo systemctl disable nginx使用包管理器卸载ngi…

初始c语言 语句

一 认识语句 控制流语句 if-else语句:用于条件判断。for循环语句:用于循环执行一段代码。while循环语句:当条件为真时执行循环。do-while循环语句:先执行一次循环体,然后再判断条件。switch语句:根据不同的…

pyinstaller系列教程(一)-基础介绍

1.介绍 PyInstaller是一个用于将Python应用程序打包为独立可执行文件的工具,它支持跨平台操作,包括Windows、Linux和MacOS等操作系统。特点如下: 跨平台支持:PyInstaller可以在多个操作系统上运行,并生成相应平台的可…

Kotlin Flow 防抖 节流

防抖和节流是针对响应跟不上触发频率这类问题的两种解决方案。 一:防抖(debounce)的概念: 防抖是指当持续触发事件时,一定时间段内没有再触发事件,事件处理函数才会执行一次, 如果设定时间到来之前&#x…

CEPH 硬盘读写慢问题影响

ceph使用时经常会碰到起不来的情况 第一种就是服务器负载高,这个基本都会觉察到 还有一种就是硬盘问题 硬盘写问题 初始化时ceph会自己进行填充操作 ceph-volume lvm zap /dev/sdx --destroy 我就碰到过没初始化问题 看着一切正常 但看写入速度才几百KB/s 正常都100…

Leetcode刷题4--- 寻找两个正序数组的中位数 Python

目录 题目及分析方法一:直接合并后排序方法二:二分查找法 题目及分析 (力扣序号4:[寻找两个正序数组的中位数](https://leetcode.cn/problems/median-of-two-sorted-arrays/description/) 给定两个大小分别为 m 和 n …

ArrayList模拟实现

ArrayList模拟实现 ArrayList 的初步介绍常见操作 ArrayList 的简单模拟实现 ArrayList 的初步介绍 ArrayList也叫做顺序表,底层是一个数组。 在创建顺序表 时就应该规定 里面元素的数据类型,其中不能直接传基本数据类型,例如int、char。需要…

Java代码初始化块

目录 实例域代码块 静态域代码块 初始化代码块分为静态域代码块和实例域代码块,静态域代码块在类第一次被加载时被执行,实例域代码块在创建对象时被执行,一个类中可以有多个代码块。 实例域代码块 使用方法 可以有输出语句 可以对类的属…

vue实现a-model弹窗拖拽移动

通过自定义拖拽指令实现 实现效果 拖动顶部,可对整个弹窗实施拖拽(如果需要拖动底部、中间内容实现拖拽,把下面的ant-modal-header对应改掉就行) 代码实现 编写自定义指令 新建一个ts / js文件,用ts举例 import V…