مرکز تحقیقات اورولوژی | Development and validation of artificial intelligence-based model for bladder cancer immunophenotyping using whole slide images

مرکز تحقیقات اورولوژی | Development and validation of artificial intelligence-based model for bladder cancer immunophenotyping using whole slide images
سایت دانشگاه | 28 آبان 1405
لوگو

مرکز تحقیقات ارولوژی

دانشگاه علوم پزشکی تهران

Development and validation of artificial intelligence-based model for bladder cancer immunophenotyping using whole slide images

Screenshot (215)

هر روز یک مقاله، شنبه ۲۰ تیر ۱۴۰۵

این مطالعه به توسعه و ارزیابی یک سیستم هوش مصنوعی تفسیرپذیر به نام MIPDAS می‌پردازد که برای طبقه‌بندی فنوتیپ ایمنی سرطان مثانه مهاجم به عضله از روی تصاویر پاتولوژی اسلاید کامل رنگ‌آمیزی‌شده با H&E طراحی شده است. این سیستم تومورها را بر اساس ریز محیط ایمنی آن ها در سه گروه inflamed – excluded و desert قرار می‌دهد که پاسخ به درمان ایمونوتراپی (استفاده از Immune Checkpoint Inhibitors) متفاوتی دارند. ارزیابی بصری تصاویر پاتولوژی اسلاید کامل توسط پاتولوژیست ها چالشی و قابلیت بازتولید ضعیفی دارد که خود دلیلی بر استفاده از تکنیک های هوش مصنوعی برای حل این چالش ها می باشد. ایده محوری مطالعه این می باشد که شمارش ساده سلول‌ها برای توصیف ریزمحیط ایمنی تومور کافی نیست و باید روابط فضایی میان سلول‌های توموری، ایمنی و استروما نیز مدل‌سازی شود. برای رسیدن به ایده مطرح شده، بعد از پیش پردازش تصاویر اسلاید کامل پاتولوژی، با استفاده از شبکه Hover-Net هسته سلول ها قطعه بندی و طبقه بندی و همزمان فاصله افقی و عمودی سلول ها از مرکز هسته محاسبه می شود. خروجی این شبکه بعنوان اطلاعات پایه برای ساخت گراف سلولی بعنوان مرحله بعد مورد استفاده قرار می گیرند. در فاز بعدی، ۵۷ ویژگی فضایی و توپولوژیکی از این گراف ها استخراج می شوند که توصیفگر تعامل بین سلول ها و محیط ریز توموری می باشند. از ۵۷ ویژگی استخراج شده، ۹ تای آن ها با استفاده از روش LASSO انتخاب و نهایتا طبقه بندی با استفاده از این ویژگی ها توسط طبقه بند XGBOOST انجام گردید.
سیستم پیشنهاد شده با استفاده از ۱۲۱۵ داده چند مرکزی مورد آموزش و ارزیابی قرار گرفت که سطح زیر منحنی ROC ۰.۹۲ از روی داده های مستقل نشان از عملکرد مطلوب آن دارد. علاوه بر آن، نتایج با پاتولوژیست های سینیو و جونیور مقایسه گردید که در هر دو مورد سیستم هوش مصنوعی از آن ها پیشی گرفت. خاطرنشان می گردد برچسب نهایی فنوتیپ ایمنی توسط دو پاتولوژیست ارشد تعیین شد و در موارد اختلافی، پاتولوژیست سوم نظر نهایی را ارائه داد.
از نظر بالینی، فنوتیپ ایمنی استخراج‌شده توسط MIPDAS ارتباط معناداری با پاسخ به درمان ایمونوتراپی (استفاده از Immune Checkpoint Inhibitors) داشت. تومورهای با فنوتیپ inflamed بیشترین نرخ پاسخ را نشان دادند، در حالی که فنوتیپ‌های excluded و desert پاسخ‌پذیری بسیار کمتری داشتند.

 

https://www.nature.com/articles/s41698-026-01443-9

کلمات کلیدی
مدیر سایت
تهیه کننده:

مدیر سایت

0 نظر برای این مطلب وجود دارد

ارسال نظر

نظر خود را وارد نمایید:

متن درون تصویر را در جعبه متن زیر وارد نمائید *
متن مورد نظر خود را جستجو کنید
تنظیمات پس زمینه