Detecting Histologic & Clinical Glioblastoma Patterns of Prognostic Relevance

要約

膠芽腫は、中枢神経系に発生する最も一般的で侵攻性の高い成人悪性腫瘍であり、予後は厳しく、形態的・分子的プロファイルは異質である。18年前に現在の標準治療を導入して以来、予後の大幅な改善は見られていない。病理組織全体像（WSI）から患者の全生存期間（OS）を正確に予測し、高度な計算方法を用いて臨床データと統合することで、臨床的意思決定と患者管理を最適化することができる。ここでは、H&E染色されたWSIとOSに関連する臨床データから、予後に関連する膠芽腫の特徴を特定することに焦点を当てます。WSIの正確なアプローチは、人工物であることが明らかなコンテンツの包括的なキュレーションと、弱教師付き注意ベースの多重インスタンス学習アルゴリズムによる解釈可能なメカニズムを活用し、さらにクラスタリングを利用して探索空間を制約する。自動的に配置された診断価値の高いパタンは、各WSIを短期生存者または長期生存者の代表として分類します。関連する臨床患者データの予後関連性のさらなる評価は、XGBoostとSHapley Additive exPlanations（SHAP）を用いて、単独または統合的に行われます。短期および長期のOSに関連する腫瘍の形態学的および臨床的パターンを特定することにより、臨床神経病理医が治療チームにさらに関連する予後情報を提供し、膠芽腫を理解し治療するための生物学的研究の道筋を提案することができます。

要約(オリジナル)

Glioblastoma is the most common and aggressive malignant adult tumor of the central nervous system, with a grim prognosis and heterogeneous morphologic and molecular profiles. Since adopting the current standard-of-care treatment 18 years ago, no substantial prognostic improvement has been noticed. Accurate prediction of patient overall survival (OS) from histopathology whole slide images (WSI) integrated with clinical data using advanced computational methods could optimize clinical decision-making and patient management. Here, we focus on identifying prognostically relevant glioblastoma characteristics from H&E stained WSI & clinical data relating to OS. The exact approach for WSI capitalizes on the comprehensive curation of apparent artifactual content and an interpretability mechanism via a weakly supervised attention-based multiple-instance learning algorithm that further utilizes clustering to constrain the search space. The automatically placed pat- terns of high diagnostic value classify each WSI as representative of short or long-survivors. Further assessment of the prognostic relevance of the associated clinical patient data is performed both in isolation and in an integrated manner, using XGBoost and SHapley Additive exPlanations (SHAP). Identifying tumor morphological & clinical patterns associated with short and long OS will enable the clinical neuropathologist to provide additional relevant prognostic information to the treating team and suggest avenues of biological investigation for understanding and potentially treating glioblastoma.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL