論文の概要: A digital score of tumour-associated stroma infiltrating lymphocytes
predicts survival in head and neck squamous cell carcinoma
- arxiv url: http://arxiv.org/abs/2104.12862v1
- Date: Fri, 16 Apr 2021 19:45:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 19:47:42.760357
- Title: A digital score of tumour-associated stroma infiltrating lymphocytes
predicts survival in head and neck squamous cell carcinoma
- Title(参考訳): 頭頸部扁平上皮癌における腫瘍細胞浸潤リンパ球のデジタルスコアによる生存予測
- Authors: Muhammad Shaban, Shan E Ahmed Raza, Mariam Hassan, Arif Jamshed, Sajid
Mushtaq, Asif Loya, Nikolaos Batis, Jill Brooks, Paul Nankivell, Neil Sharma,
Max Robinson, Hisham Mehanna, Syed Ali Khurram, Nasir Rajpoot
- Abstract要約: 線条体と腫瘍におけるTリンパ球の浸潤は、腫瘍に対する効果的な免疫反応を示し、生存率を向上させる。
深層学習に基づく自動化法は, 腫瘍, ストロマ, リンパ球の分画に用いられた。
リンパ球と腫瘍関連組織腫の空間パターンをデジタルで定量化し,TASILスコアを算出した。
- 参考スコア(独自算出の注目度): 1.116655705522709
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The infiltration of T-lymphocytes in the stroma and tumour is an indication
of an effective immune response against the tumour, resulting in better
survival. In this study, our aim is to explore the prognostic significance of
tumour-associated stroma infiltrating lymphocytes (TASILs) in head and neck
squamous cell carcinoma (HNSCC) through an AI based automated method. A deep
learning based automated method was employed to segment tumour, stroma and
lymphocytes in digitally scanned whole slide images of HNSCC tissue slides. The
spatial patterns of lymphocytes and tumour-associated stroma were digitally
quantified to compute the TASIL-score. Finally, prognostic significance of the
TASIL-score for disease-specific and disease-free survival was investigated
with the Cox proportional hazard analysis. Three different cohorts of
Haematoxylin & Eosin (H&E) stained tissue slides of HNSCC cases (n=537 in
total) were studied, including publicly available TCGA head and neck cancer
cases. The TASIL-score carries prognostic significance (p=0.002) for
disease-specific survival of HNSCC patients. The TASIL-score also shows a
better separation between low- and high-risk patients as compared to the manual
TIL scoring by pathologists for both disease-specific and disease-free
survival. A positive correlation of TASIL-score with molecular estimates of
CD8+ T cells was also found, which is in line with existing findings. To the
best of our knowledge, this is the first study to automate the quantification
of TASIL from routine H&E slides of head and neck cancer. Our TASIL-score based
findings are aligned with the clinical knowledge with the added advantages of
objectivity, reproducibility and strong prognostic value. A comprehensive
evaluation on large multicentric cohorts is required before the proposed
digital score can be adopted in clinical practice.
- Abstract(参考訳): 線条体および腫瘍におけるTリンパ球の浸潤は、腫瘍に対する効果的な免疫反応を示し、生存率の向上をもたらす。
本研究の目的は,頭頸部扁平上皮癌(HNSCC)における腫瘍関連リンパ腫浸潤リンパ球(TASILs)の予後について,AIを用いた自動診断法を用いて検討することである。
深層学習に基づく自動化手法を用いて,HNSCC組織スライドの全スライド画像のデジタルスキャンを行い,腫瘍,ストローマ,リンパ球の分画を行った。
リンパ球と腫瘍関連組織腫の空間パターンをデジタルで定量化し,TASILスコアを算出した。
最後に, cox比例ハザード分析により, tasil-scoreの疾患特異的生存および無病生存における予後の意義について検討した。
hnscc症例 (n=537例) のhaematoxylin & eosin (h&e) 染色組織スライドの3種類のコホートについて検討した。
TASILスコアはHNSCC患者の疾患特異的生存における予後学的意義(p=0.002)を有する。
TASILスコアは、病原性および無病生存のための病理学者による手動TILスコアと比較すると、低リスクと高リスクの患者の分離も良好である。
また,cd8+t細胞の分子量の推定値とtasil-scoreの正の相関も確認できた。
我々の知る限りでは、頭頸部がんの通常のH&EスライドからTASILの定量化を自動化する最初の研究である。
我々のTASILスコアに基づく知見は, 客観的, 再現性, 予後の強い付加的優位性によって臨床知識と一致している。
提案するデジタルスコアが臨床に採用される前に, 大規模多心コホートに関する包括的評価が必要である。
関連論文リスト
- ECTIL: Label-efficient Computational Tumour Infiltrating Lymphocyte (TIL) assessment in breast cancer: Multicentre validation in 2,340 patients with breast cancer [17.91294880294883]
腫瘍浸潤リンパ球のレベル(TILs)は、(三重複陰性)乳癌の予後因子である。
現在の計算的TILアセスメント(CTA)モデルは、多くの詳細なアノテーションに依存している。
我々は,100倍少ない病理学アノテーションで10分で学習できる,根本的にシンプルなディープラーニングベースモデルを提案する。
論文 参考訳(メタデータ) (2025-01-24T10:28:05Z) - Lymphoid Infiltration Assessment of the Tumor Margins in H&E Slides [1.715270928578365]
腫瘍縁部リンパ管浸潤は固形腫瘍の予後マーカーとして重要である。
現在の評価手法は、非常に依存的なオンケミカルであり、腫瘍マージンのデライン化の課題に直面している。
本稿では,高度リンパ球分画モデルに基づくHematoxylin and Eosin(H&E)染色法を提案する。
論文 参考訳(メタデータ) (2024-07-23T13:27:44Z) - Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。
医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。
本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
論文 参考訳(メタデータ) (2024-04-11T21:47:13Z) - Multimodal Deep Learning for Personalized Renal Cell Carcinoma
Prognosis: Integrating CT Imaging and Clinical Data [3.790959613880792]
腎細胞癌は生存率の低い重要な世界的な健康上の課題である。
本研究の目的は, 腎細胞癌患者の生存確率を予測できる包括的深層学習モデルを考案することであった。
提案フレームワークは,3次元画像特徴抽出器,臨床変数選択,生存予測の3つのモジュールから構成される。
論文 参考訳(メタデータ) (2023-07-07T13:09:07Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳(メタデータ) (2023-02-02T08:45:17Z) - Generating counterfactual explanations of tumor spatial proteomes to
discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。
本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。
悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文 参考訳(メタデータ) (2022-11-08T05:46:02Z) - Deep radiomic signature with immune cell markers predicts the survival
of glioma patients [8.386631203775533]
畳み込みニューラルネットワーク(CNN)から計算した新しい種類の深部放射線特徴量(DRF)を提案する。
提案手法は,MRIスキャンのラベル付き腫瘍領域内で,事前訓練した3D-CNNの活性化マップを集約することにより,合計180個のRFを抽出する。
その結果, DRFと各種マーカーとの間には高い相関がみられ, これらのマーカーに基づいて分類した患者間で有意差が認められた。
論文 参考訳(メタデータ) (2022-06-09T08:52:15Z) - Multi-scale Deep Learning Architecture for Nucleus Detection in Renal
Cell Carcinoma Microscopy Image [7.437224586066945]
クリアセル腎細胞癌(CCRCC)は、腎癌の研究における腫瘍内異種性の最も一般的な形態の1つです。
本稿では,IHC染色組織像の細胞分類のための深層学習に基づく検出モデルを提案する。
本モデルでは,マルチスケールピラミッドの特徴と局所境界領域からのサリーエンシー情報をマッピングし,回帰によって境界ボックス座標を予測する。
論文 参考訳(メタデータ) (2021-04-28T03:36:02Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-04-21T17:07:18Z) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳(メタデータ) (2020-04-04T21:21:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。