論文の概要: Multiscale Cross-Modal Mapping of Molecular, Pathologic, and Radiologic Phenotypes in Lipid-Deficient Clear Cell Renal CellCarcinoma

• arxiv url: http://arxiv.org/abs/2512.14750v1
• Date: Sat, 13 Dec 2025 23:49:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.716639
• Title: Multiscale Cross-Modal Mapping of Molecular, Pathologic, and Radiologic Phenotypes in Lipid-Deficient Clear Cell Renal CellCarcinoma
• Title（参考訳）: 脂質欠損細胞腎細胞癌における分子、病理、ラジオロジーのマルチスケール横断マッピング
• Authors: Ying Cui, Dongzhe Zheng, Ke Yu, Xiyin Zheng, Xiaorui Wang, Xinxiang Li, Yan Gu, Lin Fu, Xinyi Chen, Wenjie Mei, Xin-Gui Peng,
• Abstract要約: 脂肪欠乏性脱クラー細胞分化型(DCCD) ccRCCサブタイプは早期疾患においても有害な結果に関連している。 そこで我々は,DCCD-ccRCCの術前同定のための階層的クロススケールフレームワークを構築した。 PathoDCCDは、細胞形態や組織構造からメソ領域の組織まで、多スケールの顕微鏡的特徴を捉えた。 RadioDCCDは、全腫瘍とその生息地-準領域の放射能を組み合わせることで、相補的なマクロな情報を統合した。
• 参考スコア（独自算出の注目度）: 20.5770391049623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clear cell renal cell carcinoma (ccRCC) exhibits extensive intratumoral heterogeneity on multiple biological scales, contributing to variable clinical outcomes and limiting the effectiveness of conventional TNM staging, which highlights the urgent need for multiscale integrative analytic frameworks. The lipid-deficient de-clear cell differentiated (DCCD) ccRCC subtype, defined by multi-omics analyses, is associated with adverse outcomes even in early-stage disease. Here, we establish a hierarchical cross-scale framework for the preoperative identification of DCCD-ccRCC. At the highest layer, cross-modal mapping transferred molecular signatures to histological and CT phenotypes, establishing a molecular-to-pathology-to-radiology supervisory bridge. Within this framework, each modality-specific model is designed to mirror the inherent hierarchical structure of tumor biology. PathoDCCD captured multi-scale microscopic features, from cellular morphology and tissue architecture to meso-regional organization. RadioDCCD integrated complementary macroscopic information by combining whole-tumor and its habitat-subregions radiomics with a 2D maximal-section heterogeneity metric. These nested models enabled integrated molecular subtype prediction and clinical risk stratification. Across five cohorts totaling 1,659 patients, PathoDCCD reliably recapitulated molecular subtypes, while RadioDCCD provided reliable preoperative prediction. The consistent predictions identified patients with the poorest clinical outcomes. This cross-scale paradigm unifies molecular biology, computational pathology, and quantitative radiology into a biologically grounded strategy for preoperative noninvasive molecular phenotyping of ccRCC.
• Abstract（参考訳）: Clear cell renal cell carcinoma (ccRCC) は、複数の生物学的尺度において広範な腫瘍内均一性を示し、様々な臨床結果に寄与し、従来のTNMステージングの有効性を制限し、マルチスケール統合分析フレームワークの緊急の必要性を強調している。 脂質欠損型脱クラー細胞分化型 (DCCD) ccRCC サブタイプは, 早期疾患においても有意な予後を示す。 そこで我々は,DCCD-ccRCCの術前同定のための階層的クロススケールフレームワークを構築した。 最も高い層では、クロスモーダルマッピングが分子シグネチャを組織学的およびCT表現型に移動させ、分子-病理-放射線-放射線-監督橋を樹立した。 この枠組みの中で、各モード特異的モデルは、腫瘍生物学の固有の階層構造を反映するように設計されている。 PathoDCCDは、細胞形態や組織構造からメソ領域の組織まで、多スケールの顕微鏡的特徴を捉えた。 RadioDCCDは、腫瘍全体とその生息地-準領域の放射能と2次元の最大断面不均一度測定値を組み合わせることで、相補的なマクロスコープ情報を統合した。 これらのネストモデルにより、統合された分子サブタイプ予測と臨床リスク階層化が可能となった。 5例のコホートは1,659例,PathoDCCDは確実に再カプセル化され,RadioDCCDは確実な術前予測を行った。 一貫した予測は、最も貧弱な臨床結果を持つ患者を同定した。 このクロススケールなパラダイムは、分子生物学、計算病理学、定量的放射線学を、ccRCCの術前非侵襲的な分子表現型化のための生物学的基盤化された戦略に統合する。

関連論文リスト

• Deep Pathomic Learning Defines Prognostic Subtypes and Molecular Drivers in Colorectal Cancer [16.930050030905782]
  TDAM-CRC予測性能は、従来のステージングシステムや複数の最先端モデルよりも大幅に優れていた。 TDAM-CRCリスクスコアは多変量解析において独立した予後因子として確認された。 ミトコンドリアリボソーム蛋白L37 (MRPL37) は, 深部病原性特徴と臨床予後を関連付けるキーハブ遺伝子として同定し, 検証した。
  論文  参考訳（メタデータ） (2025-11-19T03:19:43Z)
• A Hierarchical Geometry-guided Transformer for Histological Subtyping of Primary Liver Cancer [9.468531938157998]
  肝臓癌は消化器系の最も異質で予後の異なる癌である。 全スライド画像(WSI)における特徴の表現は、肝癌組織学的サブタイピングにおいて重要な情報を含んでいる。 ARGUSはTME内のマクロメソマイクロ階層情報を取り込み,肝癌における組織学的サブタイピングを進展させることが提案されている。
  論文  参考訳（メタデータ） (2025-10-07T08:10:18Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• Multimodal Sheaf-based Network for Glioblastoma Molecular Subtype Prediction [5.563171090433323]
  我々はMRIと病理組織学データの構造認識と一貫した融合のための新しい枠組みを提案する。 我々のモデルはベースライン手法より優れ、不完全あるいは欠落したデータシナリオにおける堅牢性を示す。
  論文  参考訳（メタデータ） (2025-08-13T11:11:33Z)
• PAST: A multimodal single-cell foundation model for histopathology and spatial transcriptomics in cancer [26.795192024462963]
  PASTは、2000万対の病理像と単細胞トランスクリプトームに基づいて訓練されたパン・カンサー単細胞基盤モデルである。 単細胞遺伝子の発現、仮想分子染色、および定期的な病理スライドから直接多モーダル生存解析を予測する。 我々の研究は、病理基盤モデルのための新しいパラダイムを確立し、高分解能空間オミクス、機械学的発見、精密がん研究のための多用途ツールを提供する。
  論文  参考訳（メタデータ） (2025-07-08T21:51:25Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• Multi-Phase Cross-modal Learning for Noninvasive Gene Mutation Prediction in Hepatocellular Carcinoma [7.621860963237023]
  多相CTスキャンを用いたAPOB, COL11A1, ATRX遺伝子の突然変異予測のためのエンドツーエンドディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-08T14:36:59Z)

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。