Объединив данные изображений патологии 13 типов рака и сопоставив их с клиническими и геномными данными, группа исследователей под руководством Университета Стони Брук может идентифицировать лимфоциты, инфильтрирующие опухоль (TIL), так называемые карты TIL, которые позволят специалистам в области рака для получения информации о опухолевом иммунитете из регулярно собираемых слайдов патологии. В документе, опубликованном в Cell Reports, подробно рассказывается, как карты TIL связаны с молекулярной характеристикой опухолей и выживаемостью пациентов. Этот метод может обеспечить основу для более точной диагностики и создания плана лечения рака, который реагирует на иммунную противораковую терапию, например меланомы, легких, мочевого пузыря и некоторых типов рака толстой кишки.
Золотым стандартом диагностики рака остается отчет о патологии, полученной при биопсии опухолевой ткани. Диагностика играет ведущую роль в том, как лечить пациента. В определенных ситуациях и при формах рака, которые лечатся с помощью иммунной терапии, патологам также поручено наблюдать за иммунологическими особенностями опухолевой ткани, чтобы определить, каким пациентам с наибольшей вероятностью будет полезна эта терапия. TIL используются иммунотерапевтами для уничтожения раковых клеток.
"В этой статье показано, что теперь мы можем использовать методы глубокого обучения, такие как искусственный интеллект, для извлечения и классификации паттернов иммунных клеток в повсеместно получаемых патологических исследованиях, а также для соотнесения паттернов иммунных клеток со многими другими типами молекулярных и клинических данных больных раком," говорит Джоэл Зальц, доктор медицины, профессор кафедры биомедицинской информатики им. Черита в Университете Стоуни-Брук и ведущий автор статьи под названием "Пространственная организация и молекулярная корреляция лимфоцитов, инфильтрирующих опухоль, с использованием глубокого обучения на изображениях патологии."
В исследовании участвуют исследователи из Университета Стоуни-Брук, Онкологического центра доктора медицины Андерсона Техасского университета, Университета Эмори и Института системной биологии. Работа является результатом усилий проекта Атлас генома рака (TCGA).
В ходе исследования исследователи применили машинное обучение к оцифрованным изображениям патологии, чтобы охарактеризовать паттерны иммунной инфильтрации, присутствующие у 4759 пациентов с TCGA и в пределах 13 типов рака, обработав более 5000 цифровых изображений разных типов рака для создания "вычислительное пятно" для каждого. С их помощью они создали карты TIL как потенциальное новое руководство по диагностике и планированию лечения.
TCGA – это десятилетняя комплексная работа, возглавляемая Национальным институтом рака (NCI) и Национальным институтом исследования генома человека в сотрудничестве с мировым сообществом исследователей рака. Исследование карты TIL является частью когорты из 27 рукописей, опубликованных в Cell Press, в которых сообщаются результаты TCGA PanCancer Atlas Initiative, в которой сравниваются и сравниваются молекулярные характеристики всех образцов опухолей TCGA из более чем 10000 случаев, включающих 33 различные формы рака.
"Разработка инструментов машинного обучения, таких как этот проект доказательства принципа, по картированию паттернов лимфоцитарной инфильтрации, важна для воспроизводимости исследований в иммуноонкологии, а также позволит начать развертывание этих подходов в качестве поддержки принятия решений для патологоанатомов, когда мы оцениваем и сообщаем о наших случаях для повседневной работы. принимать решение," говорит Александр Лазарь, доктор медицинских наук, профессор патологии & Геномная медицина в MD Anderson и соавтор.
Исследователи смогли разработать метод и доказательство концепции с помощью сбора данных и вычислений с помощью высокопроизводительных вычислительных систем, доступных через Институт передовых вычислительных наук и Отдел информационных технологий Стони Брук.