Classification and Morphological Analysis of DLBCL Subtypes in H\&E-Stained Slides

要約

私たちは、びまん性大細胞型 B 細胞リンパ腫 (DLBCL) を、活性化 B 細胞様 (ABC) と胚中心 B 細胞様 (GCB) の 2 つの主要なサブタイプに自動分類するという課題に取り組んでいます。
これらのサブタイプ間の正確な分類は、それらの異なる分子プロファイルと治療反応を考慮して、適切な治療戦略を決定するために不可欠です。
私たちが提案した深層学習モデルは堅牢なパフォーマンスを示し、相互検証中に (87.4 pm 5.7)\% の平均曲線下面積 (AUC) を達成しました。
高い陽性的中率 (PPV) を示し、分子検査のトリアージなどの臨床応用の可能性を強調しています。
生物学的洞察を得るために、ABC および GCB サブタイプの形態学的特徴の分析を実行しました。
事前に訓練されたディープニューラルネットワークを使用して細胞核をセグメント化し、ABCとGCBの幾何学的特徴と色の特徴の統計を比較しました。
これらの特徴の分布は 2 つのサブタイプであまり変わらないことがわかりました。これは、それらのサブタイプ間の視覚的な違いがより微妙であることを示唆しています。
これらの結果は、我々の方法がより正確なサブタイプ分類を支援し、DLBCL患者の治療管理と転帰の改善に貢献できる可能性を強調しています。

要約(オリジナル)

We address the challenge of automated classification of diffuse large B-cell lymphoma (DLBCL) into its two primary subtypes: activated B-cell-like (ABC) and germinal center B-cell-like (GCB). Accurate classification between these subtypes is essential for determining the appropriate therapeutic strategy, given their distinct molecular profiles and treatment responses. Our proposed deep learning model demonstrates robust performance, achieving an average area under the curve (AUC) of (87.4 pm 5.7)\% during cross-validation. It shows a high positive predictive value (PPV), highlighting its potential for clinical application, such as triaging for molecular testing. To gain biological insights, we performed an analysis of morphological features of ABC and GCB subtypes. We segmented cell nuclei using a pre-trained deep neural network and compared the statistics of geometric and color features for ABC and GCB. We found that the distributions of these features were not very different for the two subtypes, which suggests that the visual differences between them are more subtle. These results underscore the potential of our method to assist in more precise subtype classification and can contribute to improved treatment management and outcomes for patients of DLBCL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google