本文介绍了一种利用深度学习，特别是卷积神经网络（CNN）来分析肿瘤浸润淋巴细胞（TIL）在病理图像上的分布，以辅助癌症诊断和治疗方案的选择。通过训练CNN模型，从数字化病理图像中生成TIL图谱，揭示TIL与肿瘤微环境、分子畸变状态的关联，为免疫疗法提供了依据。研究涉及美国癌症基因图集（TCGA）数据，通过与病理学家的交互不断优化模型，生成精确的TIL映射。
关于肿瘤浸润淋巴细胞 (TIL)
白细胞家族里有一种特殊的存在，叫做肿瘤浸润淋巴细胞 (TIL)。当人体内有了肿瘤，它们就会从血液中出发，前往肿瘤所在的地方，并在那里浴血奋战。
大量的TIL存在，就表示机体对抗肿瘤的免疫反应正在发生。基于免疫原理的其中一类抗癌疗法，便是通过发动TIL，来让它们杀死癌细胞。而肿瘤科医师，需要观察病理切片，识别肿瘤组织的免疫特征，从而判断免疫疗法对哪些病患比较有效。
关于本论文
本文用深度学习算法来绘制 TIL 图谱，让一组卷积神经网络 (CNN) 识别 TIL 的分布情况，便有可能为癌症诊断和治疗方案的制定提供一些建议。
为了从数字化H&E染色的组织标本中准确地生成肿瘤浸润淋巴细胞的图谱，我们开发了一种综合的方法，并与之进行交互。这种方法被称为计算染色，并使用深度学习方法来分析图像和工具，将专家反馈纳入深度学习模型。这种迭代反馈提高了TIL映射的整体精度。
-
团队提取了13种癌症4,759位患者的5,455幅数字化病理图像来做训练，病理学家要在图像中标记 TIL 和坏死发生的区域。
-
系统根据 TIL 数量和密度等简单的数据，以及细胞群的属性和图像规律等复杂的细节，在临床数据和基因组数据的辅助之下，将肿瘤进行分类，绘制一幅关系对应图谱——包含患者生存率、肿瘤亚型、免疫情况等各项指标与 TIL 之间的关系。
这样，医生便可以根据 TIL 反应的强弱等多种因素，来判断要不要采用基于免疫的治疗方案。
这项研究，是美国政府发起的癌症基因图集(TCGA) 计划的一角&#x
最低0.47元/天 解锁文章
2381
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
