编辑推荐：
高级别浆液性卵巢癌（HGSOC）患者对铂类化疗反应各异，部分存在原发性耐药。研究人员开展了整合苏木精 - 伊红（H&E）染色全切片图像（WSIs）与蛋白质组学特征预测铂类反应的研究。结果显示该方法优于同源重组缺陷（HRD）评分，有助于个性化治疗。
在癌症治疗领域，高级别浆液性卵巢癌（HGSOC）是一种棘手的病症。目前，针对 HGSOC 的标准治疗方案是肿瘤细胞减灭术联合铂类化疗。然而，患者对铂类化疗的反应差异很大，大约 20 - 30% 的患者对铂类化疗存在原发性耐药 。这意味着他们不仅无法从治疗中获益，还会承受化疗带来的副作用。而且，由于缺乏对耐药机制的深入理解，难以制定有效的治疗策略来克服一线治疗耐药问题。因此，开发更精准的治疗反应预测模型，对改善 HGSOC 患者的治疗效果至关重要。
来自匈牙利罗兰大学（E?tv?s Loránd University）、塞梅维什大学（Semmelweis University）等多个机构的研究人员开展了相关研究。他们将 H&E 染色全切片图像（WSIs）与蛋白质组学特征相结合，利用多模态深度学习框架，来预测 HGSOC 患者对铂类治疗的反应。研究结果表明，这种整合方法显著提高了铂类反应的预测准确性，在预测铂类反应和患者总生存期方面优于同源重组缺陷（HRD）评分。这一研究成果发表在《npj Precision Oncology》上，为 HGSOC 的个性化治疗提供了新的思路和方法，有助于医生更精准地制定治疗方案，提高患者的生存率和生活质量。
研究人员在开展此项研究时，用到了多个关键技术方法。首先，他们收集了两个重要的数据集，即癌症基因组图谱计划（TCGA）和蛋白质基因组转化研究中心高级别浆液性卵巢癌（PTRC - HGSOC）数据集，这些数据包含了患者的 H&E WSI、蛋白质组学数据及铂类化疗反应信息。其次，运用多模态深度学习框架，包括晚期融合模型 PorpoiseMMF 和早期融合模型 MCAT、SurvPath 等进行建模分析。还采用了特征提取技术，对组织病理学图像和蛋白质组学数据分别进行处理，以获取有效特征用于模型训练 。
下面来详细看看研究结果：
- 组合预测准确性显著提升：研究人员分别训练了基于 WSI 数据的单模态模型（CLAM）和基于蛋白质组学数据的单模态模型。结果发现，单靠病理图像或蛋白质组学数据进行预测，效果都比较有限。而将 WSI 与蛋白质组学数据相结合的多模态模型，在预测铂类反应时表现更优。例如，在对原发性肿瘤样本的预测中，多模态模型的 AUC 值相比蛋白质组学单模态模型有显著提高，最高提升了 19.9%；在转移性肿瘤样本的预测中，多模态模型的 AUC 值也有明显增加，最高提升了 16.5%。这表明组合 WSI 和蛋白质组学数据能显著提高预测准确性。
- 与遗传学模型对比优势明显：研究人员将基于 WSI + 蛋白质组学的模型预测结果，与基于遗传学方法检测 HRD 状态的预测能力进行对比。结果显示，WSI + 蛋白质组学模型在预测肿瘤对铂类治疗的反应方面，优于 HRD 评分、HRDetect 和 Signature 3 等遗传学模型。而且，该模型与 HRD 评分的线性组合，相比单纯的 HRD 评分模型，性能有显著提升。这说明 WSI + 蛋白质组学模型在预测铂类反应上具有独特优势，且与遗传学数据具有互补性。
- 预测生存预后效果良好：通过对独立的 TCGA 队列进行生存分析，研究人员发现多模态 WSI + 蛋白质组学模型在预测生存预后方面，优于基于遗传学的 HRDetect 模型。该模型能够更好地将患者分为高风险和低风险组，在总生存期（OS）和无进展生存期（PFS）的预测上，都具有更高的准确性。这进一步验证了该模型在区分患者治疗反应方面的有效性，为临床评估患者预后提供了有力支持。
- 模型可解释性分析深入：研究人员利用单模态 CLAM 模型对 WSI 进行分析，发现肿瘤区域在模型预测中吸引了较高的注意力，且肿瘤细胞周围的基质也常受到关注。在多模态模型中，如 MCAT 和 SurvPath，通过 “共注意力热图” 能够揭示蛋白质组学数据与组织病理学图像之间的空间分布关系，突出与治疗敏感性或耐药性相关的重要形态学特征。此外，研究还对模型中涉及的通路和基因进行了重要性排序，发现一些与 DNA 修复相关的通路和基因在模型决策中起着关键作用 。
研究结论表明，整合组织病理学和蛋白质组学数据，利用多模态深度学习框架预测 HGSOC 患者铂类治疗反应是可行且有效的。这种方法能够捕捉到从分子机制到组织水平的多种信息，为理解肿瘤对铂类治疗的反应提供了更全面的视角。不过，研究也存在一些局限性，如临床队列样本量相对较小，不同机构的数据存在差异等。尽管如此，该研究依然为 HGSOC 的个性化治疗开辟了新方向，未来有望通过更大规模的临床研究和更先进的技术方法，进一步完善这一预测模型，为临床实践提供更可靠的依据，从而改善 HGSOC 患者的治疗现状，提高患者的生存希望。
