基于可解释病理组学框架的乳头状甲状腺癌 BRAF V600E 突变术前预测研究

《Journal of Translational Medicine》：Development and validation of an interpretable FNAC-based pathomics framework for predicting BRAF V600E mutation status in papillary thyroid carcinoma using Wright-stained slides

　　

摘要

背景

术前预测乳头状甲状腺癌（PTC）中BRAF V600E突变状态有助于制定个性化治疗计划，但分子检测并不总是能够立即获得结果。本研究开发并验证了一种可解释的病理组学框架，用于从常规Wright染色的细针穿刺细胞学（FNAC）全切片图像中预测BRAF V600E状态。

方法

这项回顾性研究包括了来自两个中心的209名通过组织学确诊患有PTC且通过PCR检测证实BRAF V600E状态的患者。中心1提供了156名患者，这些患者被分为训练集（n=109）和内部测试集（n=47）。中心2提供了53名患者用于外部验证，包括每位患者的1张代表性切片作为外部测试集1，以及额外的切片作为外部测试集2。细胞核被分割并分类为五个细胞学通道：肿瘤细胞（Tumor）、肿瘤相关细胞（MTumor）、滤泡细胞（Follicle）、成熟滤泡细胞（MFollicle）和异形细胞（Heterocyte）。对于每个通道，提取了深度、形状、强度和纹理特征，并将其聚合为全切片图像（WSI）级别的表示。使用5折交叉验证和117种特征选择器-分类器组合进行了20次重复实验来开发单通道模型，并通过整合五个单通道模型的预测分数构建了一个融合模型。

结果

融合模型在各个数据集上都显示出了良好的区分能力，交叉验证训练集的接收者操作特征曲线下面积（AUC）为0.947，内部测试集为0.933，外部测试集1为0.962，外部测试集2为0.889。在合并的独立测试数据集中，融合模型的AUC为0.925。同一患者的切片敏感性分析显示，参考切片和额外切片之间的分类一致性处于中等到良好水平，分类一致性为85.4%，Cohen’s kappa值为0.654（在0.50的阈值下）。Shapley加法分析表明，融合模型整合了不同细胞学通道之间的互补信号，其中滤泡通道的贡献最大。进一步的滤泡通道分析确定了与细胞身份概率、纹理复杂性、轮廓不规则性和强度分布异质性相关的稳定且可解释的特征。

结论

一种基于可解释的FNAC的病理组学框架实现了对PTC中BRAF V600E突变状态的准确术前预测，并在内部和外部验证数据集中表现出可重复的性能。这种方法可能为基于图像的分子风险评估提供一个实用的决策支持工具，有必要进行前瞻性的多中心验证。