Вычислительный анализ гистопатологических изображений при разных типах рака выявляет мутации, состав опухоли и прогноз

С помощью глубокого обучения с переносом знаний мы проанализировали гистопатологические признаки на 17 355 изображениях препаратов, окрашенных гематоксилином и эозином, при 28 типах рака и сопоставили их с соответствующими геномными и транскриптомными данными, а также данными о выживаемости. Этот подход позволяет точно классифицировать типы рака и пространственно разграничивать опухолевую и нормальную ткань. Автоматически выделенные вычислительные гистопатологические признаки коррелируют с широким спектром повторяющихся генетических нарушений при разных типах рака. К ним относятся удвоения всего генома, имеющие общие признаки при разных типах рака, отдельные хромосомные анеуплоидии, локальные амплификации и делеции, а также мутации генов-драйверов. Уровни экспрессии многих генов в целом образце связаны с гистопатологическими признаками, которые отражают состав опухоли и позволяют локализовать лимфоциты, инфильтрирующие опухоль, выявленные на основании транскриптомных данных. Вычислительная гистопатология дополняет прогнозирование на основе гистопатологического подтипирования и градации, а также позволяет выявлять прогностически значимые участки, например некроз или скопления лимфоцитов. Полученные результаты демонстрируют значительный потенциал компьютерного зрения для характеристики молекулярной основы гистопатологических признаков опухоли.