|AI内参|人工智能辅助快速识别病理学图像，指导癌症治疗

石溪大学等科学家通过将13种癌症病理图像信息与相关临床和基因组数据相结合，开发AI技术快速识别病理图像中的肿瘤浸润淋巴细胞，称之为TIL分布图。帮助临床专家从常规病理切片中快速获得肿瘤免疫信息。

近日，《Cell Reports 》发表了一篇论文，详述了如何将肿瘤浸润淋巴细胞(TIL)分布图与肿瘤分子特征和患者生存期关联起来。该方法为那些对免疫抗肿瘤疗法有反应的黑色素瘤、肺、膀胱和特定类型结肠癌患者，提供更好的诊断，制定精准治疗方案。

目前，癌症临床诊断金标准仍是来自肿瘤组织活检病理报告，在治疗方案选择中起指导作用。某些情况下，接受免疫疗法时，病理学家负责对肿瘤组织的免疫学特征进行分类分型，确定哪些病人最有可能从治疗中获益。因为在免疫疗法中被激活的TILs可直接杀死癌细胞。

石溪大学生物医学信息学负责人乔尔·萨尔兹博士是该研究负责人，他认为：可以使用深度学习方法，如人工智能对现有病理学中的免疫细胞信息进行提取和分类，并将免疫细胞分布模式与其他类型癌症分子信息和临床数据关联起来。探讨AI深度学习对病理图像中肿瘤浸润淋巴细胞的空间结构和分子相关性。

在研究中，他们应用机器学习将病理图像数字化，进而描述4759名TCGA患者病理图像中肿瘤免疫细胞浸润生长模式。在13种癌症范围内处理了超过5000个数字图像，从而为每种癌症类型创建一个“计算染色图”。

有了这些信息，下一步就可以创建"TIL分布图"，指导临床诊断和制定精准治疗方案指南。

TCGA项目是由美国国家癌症研究中心(NCI)和国家人类基因组研究所与全球癌症业界共同发起的长达10年的综合研究项目。

最初，“TIL分布图”成果作为TCGA泛癌症图谱的27个手稿中部分内容发表在《Cell Press》上。该项目对TCGA项目的所有肿瘤分子特征进行了对比，其中包括33种不同类型癌症。|必读|肿瘤界赞叹巅峰之作:全面解析癌症的基因和分子机制

来自MD安德森癌症中心的病理学与基因医学教授Alexander Lazar博士也是该研究项目共同负责人，他认为：研发这类机器学习智能辅助工具，例如淋巴细胞浸润分布模式图，对肿瘤免疫学再现性研究至关重要。这些方法也将为病理学家给出病理诊断报告决策提供依据，为临床医生常规评估和报告病例提供依据。

该项研究的团队成员分别来自石溪大学、德克萨斯大学MD安德森癌症中心、埃默里大学和系统生物学研究所。这项工作源于癌症基因组图谱（TCGA）项目研究成果，作为全美国AI智能化癌症研究的项目之一。

相关内容：

中美专家探讨质子综合方案应用和临床研究合作，远程医疗二次建议及多学科会诊。

自家招贤纳士

欢迎转发分享，微信平台等转载，请务必联系授权：sasctm告知。