Virtual IHC Staining
Owkin has developed a deep learning data enrichment model that can produce a virtual stain of CD3 from existing haematoxylin and eosin (H&E) whole slide images.
Owkin是一个很有实力的公司,有在做AI医学研究。这里主要介绍将H&E染色图像转变成IHC染色图像这项工作。
接触过病理图像的朋友应该都听说过H&E染色,这在病理学上是十分经典的染色剂,苏木精将细胞核染成蓝色,伊红将细胞外基质和细胞质染成粉红色。病理学家通常将H&E染色与免疫组化染色(IHC)结合,利用抗体与特定抗原结合的原理,有选择地识别组织切片细胞中的抗原。它们可以让病理学家了解图像中特定生物标记物的分布,以帮助确定诊断和进行肿瘤分级。
关于IHC,需要寻找特定抗体,此处选择CD3作为诊断生物标志物。
CD3是一种常见的诊断性生物标志物,它是T细胞活化的辅助受体。CD3免疫染色可检测正常和肿瘤T细胞以及肿瘤微环境的免疫浸润。这种染色具有巨大的预后价值,因为T细胞激活与整体免疫反应有关。然而,免疫染色在回顾性研究或现有数据集中通常是难以获得的。
深度卷积神经网络(CNNs)最近已经成为一种重要的图像分析工具。它们加速了病理学家的工作,提高了对患者生存和治疗反应的预测,并在临床发展中识别出新的生物标志物作为潜在的治疗靶点。Owkin开发了一种基于深度学习的数据浓缩模型,可以从现有的H&E染