論文の概要: Screen Them All: High-Throughput Pan-Cancer Genetic and Phenotypic Biomarker Screening from H&E Whole Slide Images
- arxiv url: http://arxiv.org/abs/2408.09554v3
- Date: Tue, 24 Jun 2025 22:10:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 21:00:42.431395
- Title: Screen Them All: High-Throughput Pan-Cancer Genetic and Phenotypic Biomarker Screening from H&E Whole Slide Images
- Title（参考訳）: スクリーンのテーマ:H&E全スライド画像からの高出力パンキャスター遺伝子とフェノタイプバイオマーカーのスクリーニング
- Authors: Yi Kan Wang, Ludmila Tylditatova, Jeremy D. Kunz, Gerard Oakley, Bonnie Kar Bo Chow, Ran A. Godrich, Matthew C. H. Lee, Hamed Aghdam, Alican Bozkurt, Michal Zelechowski, Chad Vanderbilt, Christopher Kanan, Juan A. Retamero, Peter Hamilton, Razik Yousfi, Thomas J. Fuchs, David S. Klimstra, Siqi Liu,
- Abstract要約: OmniScreenは、60,529人のがん患者から抽出されたVirchow2の埋め込みを利用したAIベースのシステムである。
統一されたモデルを用いて、がん全体にわたる幅広い臨床関連バイオマーカーを予測する。
治療標的を確実に同定し、稀な腫瘍と稀な腫瘍に共通する表現型の特徴を共有できる。
- 参考スコア（独自算出の注目度）: 10.358246499005062
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Molecular assays are standard of care for detecting genomic alterations in cancer prognosis and therapy selection but are costly, tissue-destructive and time-consuming. Artificial intelligence (AI) applied to routine hematoxylin and eosin (H&E)-stained whole slide images (WSIs) offers a fast and economical alternative for screening molecular biomarkers. We introduce OmniScreen, a high-throughput AI-based system leveraging Virchow2 embeddings extracted from 60,529 cancer patients with paired 489-gene MSK-IMPACT targeted biomarker panel and WSIs. Unlike conventional approaches that train separate models for each biomarker, OmniScreen employs a unified model to predict a broad range of clinically relevant biomarkers across cancers, including low-prevalence targets impractical to model individually. OmniScreen reliably identifies therapeutic targets and shared phenotypic features across common and rare tumors. We investigate the biomarker prediction probabilities and accuracies of OmniScreen in relation to tumor area, cohort size, histologic subtype alignment, and pathway-level morphological patterns. These findings underscore the potential of OmniScreen for routine clinical screening.
- Abstract（参考訳）: 分子アッセイ(英: molecular assays)は、がんの予後と治療選択におけるゲノム変異を検出するための標準であるが、コスト、組織破壊、時間を要する。
人工知能(AI)は、通常のヘマトキシリンとエオシン(H&E)染色された全スライド画像(WSI)に適用され、分子バイオマーカーを高速かつ経済的にスクリーニングする代替手段を提供する。
我々は,489遺伝子MSK-IMPACT標的バイオマーカーパネルとWSIを用いた60,529のがん患者から抽出したVirchow2埋め込みを利用した高スループットAIベースシステムであるOmniScreenを紹介する。
バイオマーカーごとに個別にモデルを訓練する従来のアプローチとは異なり、OmniScreenは、個別にモデル化できない低頻度ターゲットを含む、がん全体にわたる幅広い臨床関連バイオマーカーを予測する統一モデルを採用している。
OmniScreenは、治療対象を確実に特定し、一般的な腫瘍と稀な腫瘍に共通する表現型の特徴を共有する。
腫瘍面積,コホートサイズ,組織学的サブタイプアライメント,経路レベルの形態的パターンとの関連で,OmniScreenのバイオマーカー予測の可能性と精度について検討した。
これらの結果から,OmniScreenの定期的臨床スクリーニングの可能性が示唆された。
関連論文リスト
- Multimodal AI-driven Biomarker for Early Detection of Cancer Cachexia [14.27396467108753]
がんキャッシュキシアは多因子症候群であり、進行性筋肉の洗浄、代謝異常、全身炎症を特徴とする。
キャッシュキシアに決定的なバイオマーカーは存在しない。
本研究では,早期がんキャッシュリア検出のためのマルチモーダルAIベースのバイオマーカーを提案する。
論文 参考訳（メタデータ） (2025-03-09T22:32:37Z) - Computational Methods for Breast Cancer Molecular Profiling through Routine Histopathology: A Review [0.2671776059280352]
近年の人工知能の進歩により、デジタル病理学は標的となる分子およびより広い眼生マーカーの病理像を解析できるようになった。
これらの技術は、通常のヘマトキシリンおよびエオシン染色画像から直接ゲノム、転写、プロテオミクス、代謝マーカーなどの様々なバイオマーカーを抽出する機能を提供する。
論文 参考訳（メタデータ） (2024-12-01T08:13:49Z) - Biomarker based Cancer Classification using an Ensemble with Pre-trained Models [2.2436844508175224]
マルチクラス分類タスクに対して,事前学習したハイパーファストモデル,XGBoost,LightGBMを組み合わせた新しいアンサンブルモデルを提案する。
我々はメタトレーニングしたハイパーファストモデルを用いてがんの分類を行い、AUCは0.9929である。
また,事前学習したハイパーファストモデル,XGBoost,LightGBMを多クラス分類タスクに組み合わせた新しいアンサンブルモデルを提案し,精度を漸進的に向上させる(0.9464)。
論文 参考訳（メタデータ） (2024-06-14T14:43:59Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - Improving Performance in Colorectal Cancer Histology Decomposition using Deep and Ensemble Machine Learning [0.7082642128219231]
組織学的にヘマトキシリンとエオシンで染色されたサンプルは、一般的に大腸癌管理に用いられている。
近年の研究では、手軽に利用できる画像から臨床関連バイオマーカーの抽出を容易にするための畳み込みニューラルネットワーク(CNN)の可能性を強調している。
CNNベースのバイオマーカーは、スピード、自動化、最小コストの利点を付加して、患者の結果をゴールデンスタンダードと同等に予測することができる。
論文 参考訳（メタデータ） (2023-10-25T19:46:27Z) - Deep Learning Predicts Biomarker Status and Discovers Related
Histomorphology Characteristics for Low-Grade Glioma [21.281553456323998]
低次グリオーマ(LGG)の診断と治療にはバイオマーカー検出が不可欠である
ヘマトキシリンとエオシンを含む全スライド画像とスライドレベルのバイオマーカーステータスラベルを用いて,LGGの5つのバイオマーカーの状態を予測するための解釈可能なディープラーニングパイプラインを提案する。
我々のパイプラインはバイオマーカー予測の新しいアプローチを提供するだけでなく、LGG患者に対する分子治療の適用性を高めるだけでなく、分子機能とLGGの進行の新たなメカニズムの発見を促進する。
論文 参考訳（メタデータ） (2023-10-11T13:05:33Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳（メタデータ） (2023-04-26T16:47:42Z) - Regression-based Deep-Learning predicts molecular biomarkers from
pathology slides [40.24757332810004]
我々は,画像から直接バイオマーカーを予測する自己監督型弱教師付き回帰手法を開発し,評価した。
回帰を用いて、バイオマーカー予測の精度を著しく向上させ、また、分類よりも結果の解釈可能性を向上させる。
我々のオープンソースレグレッションアプローチは、計算病理学における連続バイオマーカー解析に有望な代替手段を提供する。
論文 参考訳（メタデータ） (2023-04-11T11:43:51Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳（メタデータ） (2023-03-23T18:50:18Z) - Deep Learning-Based Prediction of Molecular Tumor Biomarkers from H&E: A
Practical Review [0.0]
分子的およびゲノム的性質は、個々の腫瘍を標的とするがん治療の選択に重要である。
H&E画像に機械学習を適用することで、よりコスト効率の良いスクリーニングが可能になる。
本稿では、がんの種類や、これらのモデルを訓練し、検証するための方法論に関する多様な応用についてレビューする。
論文 参考訳（メタデータ） (2022-11-27T14:57:41Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳（メタデータ） (2021-02-11T09:04:45Z)
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。