基于视觉Transformer的胰腺导管腺癌淋巴细胞-基质比值自动量化及预后价值研究

《npj Digital Medicine》：Automated pancreatic cancer pathology image segmentation using deep learning to quantify lymphocyte stroma ratio

　　

摘要

胰腺导管腺癌（PDAC）表现出显著的肿瘤微环境异质性，传统预后工具往往无法充分量化关键特征，如淋巴细胞-基质比值（LSR）。LSR的人工评估容易受到变异和低效的影响，限制了其临床应用。我们基于视觉Transformer模型，利用多中心的全切片图像（WSIs）进行训练和验证。该模型在组织分类中取得了高精度，并表明较高的LSR与总体生存率改善显著相关。Kaplan-Meier生存曲线显示，在开发队列（*P* = 0.002）和多中心队列（*P* < 0.001）中，LSR低组的风险均显著更高。我们还构建了一个在线平台，用于全切片图像的自动分割和量化，提供组织类别的可视化和量化。本研究建立了一个稳健的、自动化的LSR量化系统，并在多中心PDAC队列中进行了验证，通过将计算生物标志物与治疗结果相联系，为精准肿瘤学提供了一个可扩展的解决方案。