计算机化组织图像分析显示ER +乳腺癌的基础组织
![Breast cancer tissue shows high (left) and low (right) tubule formation. The lumen is delineated by blue lines, tubules by orange lines. Green dots mark tubule nuclei and red dots nontubule nuclei determined by the machine learning classifier. In the right panel, which was also identified as low risk by a genomic assay, the cells appear to have lost their capacity to form tubules with well-defined lumen. Credit: Case Western Reserve University 计算机化组织图像分析显示ER +乳腺癌的基础组织](https://scx1.b-cdn.net/csz/news/800a/2016/2-computerized.jpg)
患有雌激素受体阳性(ER +)乳腺癌的小管数量可以从单独的激素治疗中受益,并且需要化疗,在西方储备大学的研究人员发现。
小管代表肿瘤的血管系统,提供氧气和营养的肿瘤。他们越多,患者越可能需要化疗。
在发表的一项研究中科学报告,研究人员开发了一种计算机程序,可以自动计算在乳腺癌组织标本的整个幻灯片图像中发现的小管数量。他们发现管数与通过当前最佳测试产生的分数相关的小管,区分惰性和侵蚀性ER +癌症。
“这是第一个大规模验证,基本的预后信息在组织数据中,它预测了肿瘤的潜在基因组学,”Alex Nason的生物医学工程学教授和研究作者。
“如果我们能镜像肿瘤的基因组学,我们可以预测谁只对荷尔蒙治疗作出反应,谁没有,”他说。
Madabhushi与David Romo Bucheli和Eduardo Romero,来自哥伦比亚大学德哥伦比亚大学的工程学院;Andrew Janowczyk生物医学工程研究助理西部储备;凯恩·吉尔莫尔,凯瑟治医学院病理学副教授。
病理学家目前使用三个特征来等级肿瘤:显着的细胞核形式,叫核渗透和小管。更多的每个人都会增加癌症侵略性并且需要化疗的风险。
研究人员使用机器学习允许计算机自动快速地量化小管数量。
使用来自174 er +患者的幻灯片图像,他们发现小管数与患者的多型DX基因表达试验风险评分相关。
基因表达测试已被证明是在识别哪个ER +时预测乳腺癌Madabhushi说,患者将从化疗中受益,但成本远离世界各地的低收入和中等收入患者,等待时间可能是几周。他在计算成像和个性化诊断中心的小组正在探索替代手段,便宜,快速提供相同的答案。
本研究是他在该研究领域的实验室第一个的第一个。接下来量化整个图像中的减速数量载玻片的数量,并将这些数字与基因组测试相关联。最后量化核渗透和建筑,并将它们与基因组测试相关联。
如果所有人都有助于准确的预测,Madabhushi计划将它们集成并开发一个提供连贯预测的程序。
用户评论