機器學(xué)習的最新進展為精準醫(yī)學(xué)和轉(zhuǎn)化研究提供了信息。計算病理學(xué)將計算機視覺方法應(yīng)用于臨床和病理圖像，并從基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習技術(shù)中收益匪淺。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型可以穩(wěn)健地預(yù)測特定癌癥類型中常見的突變基因。然而，目前還未有研究報道將豐度的蛋白組學(xué)數(shù)據(jù)與組織特征聯(lián)系起來?，F(xiàn)在也很少有弱監(jiān)督深度學(xué)習研究將病理學(xué)專業(yè)知識整合到研究設(shè)計和解釋中，導(dǎo)致模型可能缺乏人類可解釋性或與腫瘤生物學(xué)的明確相關(guān)性。

2023年9月，紐約大學(xué)格羅斯曼醫(yī)學(xué)院的研究團隊在期刊Cell Reports Medicine（IF=14.3）發(fā)表題目為《Deep learning integrates histopathology and proteogenomics at a pan-cancer level》的研究論文，該研究引入一種開創(chuàng)性的方法，將病理成像與轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)相結(jié)合，以確定與癌癥關(guān)鍵臨床結(jié)果相關(guān)的預(yù)測性組織學(xué)特征。

文章題目：Deep learning integrates histopathology and proteogenomics at a pan-cancer level

發(fā)表期刊：Cell Reports Medicine

影響因子：14.3

發(fā)表時間：2023年9月

發(fā)表單位：紐約大學(xué)格羅斯曼醫(yī)學(xué)院

研究策略

該研究利用卷積神經(jīng)網(wǎng)絡(luò)模型，對來自癌癥基因組圖譜（TCGA）和臨床蛋白質(zhì)組腫瘤分析聯(lián)盟（CPTAC）的組織樣本圖像進行了處理和分析。建立了來自CPTAC的657名患者包含2,755張H&E染色切片的圖像庫，涵蓋了六種癌癥類型[腎透明細胞癌(CCRCC)，頭頸部鱗狀細胞癌(HNSCC)，肺鱗狀細胞癌(LSCC)，肺腺癌(LUAD)，胰腺導(dǎo)管腺癌(PDA)，子宮體內(nèi)膜癌(UCEC)]，以有效區(qū)分腫瘤與正常和起源組織。

結(jié)合轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)，確定了驅(qū)動預(yù)測性組織學(xué)特征的通路水平和細胞過程。通過使用TCGA確認了模型的泛化能力和可解釋性。

利用先進的圖像處理和機器學(xué)習技術(shù)，對癌癥組織樣本進行了深入的分析，旨在通過組織圖像特征來預(yù)測臨床特征和生物標志物，從而推動癌癥診斷和治療的進步。

圖1 工作流程

研究結(jié)果

一、組織源模型性能和組學(xué)聯(lián)合

盡管已經(jīng)有許多針對多種惡性腫瘤的分子靶向治療，但腫瘤的組織來源仍然是選擇治療方案和基于腫瘤分級和分期的預(yù)后預(yù)測的重要因素。該研究通過正常組織和腫瘤樣本進行模型訓(xùn)練，來預(yù)測腫瘤的組織來源，并建立了全球范圍內(nèi)來自不同器官系統(tǒng)的癌癥變異的基線。模型表現(xiàn)異常出色，AUROC值（曲線下面積）達到0.949到0.995（圖2A, 2B）。還通過tSNE（t-Distributed Stochastic Neighbor Embedding）技術(shù)可視化了從最后卷積層學(xué)習到的潛在特征，以推斷不同組織類型之間的分離程度（圖2C, 2D）。模型在TCGA（The Cancer Genome Atlas）樣本上進行了驗證，包括FFPE（福爾馬林固定石蠟包埋）和新鮮冷凍切片圖像。模型在FFPE切片上的泛化能力更好，這可能與冷凍切片樣本制備過程中組織特征的已知人為降解有關(guān)。

為了研究驅(qū)動預(yù)測形態(tài)改變的轉(zhuǎn)錄組和直接相關(guān)組織的蛋白組機制，應(yīng)用稀疏CCA（Canonical Correlation Analysis）統(tǒng)計方法，用于在基因/蛋白/圖像空間中提取高維旋轉(zhuǎn)（canonical variates），UCEC和LUAD樣本的投影值表現(xiàn)出最大程度地相互關(guān)聯(lián)。

圖2 組織源模型性能和組學(xué)聯(lián)合

二、腫瘤發(fā)生模型的特征可視化和交叉測試

利用深度學(xué)習CNN模型對腫瘤和正常鄰近組織（NAT）進行區(qū)分。首先通過訓(xùn)練一個單一的泛癌癥成像模型來識別區(qū)分腫瘤和NAT樣本，然后為每種癌癥類型訓(xùn)練了單獨的模型，以隔離各個器官系統(tǒng)特有的腫瘤發(fā)生特征。這些模型在分類腫瘤和NAT時取得了很高的準確率，實現(xiàn)高AUROC的泛癌癥模型，并在TCGA測試集驗證了模型的有效性和可靠性。

采用了類激活映射（CAM）來展示深度學(xué)習模型的關(guān)注點，發(fā)現(xiàn)模型在全切片水平聚合時，通常更關(guān)注腫瘤區(qū)域而非正常區(qū)域。還提取了測試集樣本在倒數(shù)第二層的激活圖，并進行了降維處理以顯示二維tSNE圖。觀察到腫瘤樣本聚類在頂部，而正常樣本聚類在底部，且預(yù)測標簽和真實標簽相關(guān)性良好。通過審查與tSNE圖上的點相對應(yīng)的H&E切片，證實了腫瘤組織簇準確地捕捉到了常見的腫瘤發(fā)生特征。

圖3 腫瘤發(fā)生模型的特征可視化和交叉測試

此外，還評估了泛癌癥模型在分子特征方面的表現(xiàn)，通過成像和轉(zhuǎn)錄組或蛋白質(zhì)組特征的投影值分析，發(fā)現(xiàn)正常和腫瘤樣本之間有明確的區(qū)分。對轉(zhuǎn)錄組和蛋白組的通路分析，特定基因和蛋白質(zhì)富集于細胞周期DNA復(fù)制和雙鏈斷裂修復(fù)相關(guān)通路。另一個典型變量顯示了LSCC和LUAD與NAT之間的明顯分離，以及HNSCC腫瘤與NAT之間的中度分離。這些結(jié)果證明成像模型已經(jīng)學(xué)會了代表可解釋生物學(xué)信號的特征，這些信號與可識別的H&E特征相對應(yīng)，而不是隨機噪聲的結(jié)果。

圖4 與腫瘤發(fā)生相關(guān)的主要典型變量

三、臨床與組織病理學(xué)特征

分級和分期是關(guān)鍵的臨床預(yù)后指標，可能與驅(qū)動腫瘤侵襲性行為的潛在分子變化有關(guān)。通過訓(xùn)練模型來預(yù)測病理分級(1類任務(wù))和分期(2類任務(wù))(圖5A)，模型的預(yù)測能力通過AUROC值來評估。對于分級預(yù)測，最佳單片AUROC值分別為0.883和0.799 。對于分期，最佳單片AUROC值分別為0.783和0.727。研究發(fā)現(xiàn)，TCGA等級數(shù)據(jù)不適用于測試模型的普遍性，進一步使用稀疏CCA來識別生物相關(guān)性，在轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)水平上，染色體分離和減數(shù)分裂信號之間的信號傳導(dǎo)最強，具有較高的分級和分期。此外，還識別出一個與平面細胞極性相關(guān)的典型變量，這可能是導(dǎo)致高分級腫瘤中細胞遷移和增殖增加的原因之一。

圖5 模型性能及等級和階段的多組學(xué)評價

四、生物標志物

研究通過測試模型從組織病理學(xué)圖像預(yù)測常見基因組生物標志物的能力，模型能夠準確預(yù)測包括EGFR、TP53、KRAS、STK11和PTEN在內(nèi)的特定突變（圖6A），這表明該模型可以用于區(qū)分攜帶常見突變的腫瘤。在進一步的探索中，使用tSNE降維技術(shù)預(yù)測突變，發(fā)現(xiàn)不同類型的突變與特定的組織病理學(xué)特征相關(guān)（圖6B）。例如，TP53突變與高密度、小細胞的腫瘤特征相關(guān)，而KRAS突變則與較大的細胞核、開放的染色質(zhì)和腺體特征相關(guān)。

最后，通過盲法病理學(xué)審查驗證模型預(yù)測的生物學(xué)相關(guān)性。發(fā)現(xiàn)，TP53突變的樣本通常具有密集的細胞、淋巴細胞浸潤、高有絲分裂率、增加的核質(zhì)比等特征，這些特征與模型預(yù)測的結(jié)果一致。

圖6 生物標記物的性能、可視化和特征提取

五、Panoptes Web

為了促進臨床和轉(zhuǎn)化研究工作流程的整合，研究團隊開發(fā)了一種直觀的可視化工具Panoptes Web (http://panoptes.fenyo.cloud)，供臨床醫(yī)生、科學(xué)家和讀者使用獨立的H&E圖像評估模型的性能，直觀可視化預(yù)測結(jié)果（圖7A）。結(jié)果繪制在概率得分和課堂結(jié)果的直觀方框圖中，以及基于web的查看器，詳細說明逐塊預(yù)測（圖7B）。

圖7  Panoptes Web

研究結(jié)論

本研究通過深度學(xué)習的方法，成功地在泛癌癥層面上整合了組織病理學(xué)與轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)數(shù)據(jù)，揭示了潛在聯(lián)系和互補性。通過構(gòu)建多模態(tài)深度學(xué)習模型，證明了結(jié)合這兩種類型的生物標志物可以顯著提高癌癥分類和預(yù)后的準確性。還開發(fā)出了可以幫助臨床醫(yī)生評估和預(yù)測癌癥分子和臨床結(jié)果的新型工具Panoptes Web。