基于病理图像的雌激素受体阳性乳腺癌复发风险预测研究

Currently one assay, Oncotype Dx from Genomics Health, is being widely used clinically to guide the treatment of ER+ BCa. However, Oncotype DX is expensive, requires specialized facilities, and is not widely available outside some of the developed countries.. We propose an alternative, inexpensive means for identifying the subset of women with ER+ breast cancer for whom hormonal therapy alone is sufficient, and adjuvant chemotherapy is not required. Our novel approach uses computer vision and machine learning techniques to extract information from digitized histological sections of breast tissue (e.g. graphical and morphological arrangement of nuclei, lymphocytes, textural appearance, and tubule density), yielding a continuous image-based risk score (IbRiS) from zero to one that predicts the risk of recurrence. By choosing the appropriate cutoff value, IbRiS can be used to stratify ER+ patients into two classes: low and high risk. A low risk identifies those women who would respond well to hormonal therapy alone.

21基因检测法或OncotypeDX用于预测雌激素受体阳性乳腺癌患者仅接受内分泌（它莫西芬）治疗的复发风险，该检测法在临床上正被肿瘤医生广泛接受。但21基因检测法昂贵且需要专门的仪器设备，目前除部分发达国家外并没有被广泛地推广。.　本课题旨在研究一种可以替代21基因检测的计算机辅助预后方法。该方法基于女性乳腺数字化病理组织图像，综合运用计算机视觉与机器学习算法,并结合医生的分析,预测患者的复发风险。研究内容包括：从病理组织切片中提取特征，在保证患者病理图像间的类关系不变情况下，运用非线性降维算法把高维特征降到低维。低维流形进一步被展开到一维并定义归一化的一维尺度。基于该尺度和病理医生标注的训练样本，自动地对患者病理图像定义从0（最低风险）到1（最高风险）的连续分值。通过学习恰当的截断阈值，患者被区分为低风险和高风险，其中低风险对应于仅需内分泌治疗且反应良好的患者，她们并不需要接受辅助化疗。

乳腺癌是严重影响我国女性健康的恶性肿瘤之一，虽然乳腺癌的预后较好，但复发仍然是其死亡的主要原因。组织病理图像分析是癌症诊断的“金标准”。大量的研究表明肿瘤组织的组织学图像在乳腺癌诊断、分期和预后中能发挥重要作用。通常来说，病理学家观察乳腺癌活检组织切片，并对肿瘤进行评分，通常是半定量评估。并且，这个观察既耗时有费力，结果重复性差。随着计算机计算和存储能力的快速增强，高通量的图像分析技术的研究与开发，基于组织病理图像进行的计算机辅助的定量分析越来越容易实现。本项目在执行过程中，围绕总体研究目标和年度实施计划，重复吸收国内外最新研究思想。通过研究先进的计算机视觉和机器学习方法，探索高度复杂的组织病理图像计算的新方法，根据这个计算结果构建基于组织病理图像计算的雌激素受体阳性乳腺癌(ER+BCa)患者复发风险预测。通过构建深度自编码器网络、深度卷积网络，实现ER+BCa患者组织切片中的细胞核的快速、自动、有效地检测和分割，间质和上皮组织的自动分割，细胞核异型性自动评分。基于细胞核精确的检测和分割结果构建了描述乳腺肿瘤的组织结构、上皮细胞的纹理、形态、空间拓扑结构等特征，并运用这些特征训练支持向量机分类器，实现对ER+BCa患者病理组织图像自动分级，从而实现复发风险预测的目标。课题组目前在国内外期刊和会议上发表期刊论文23篇，国际会议论文3篇。还有两篇期刊论文正在返修或者审稿。培养硕士研究生10名。相关研究成果对高分辨率组织病理图像分析，全扫描病理图像分析，癌症的计算机辅助诊断和预后等领域的研究积累了经验并已形成若干新的有待进一步研究的方向。比如，基于结直肠癌、肺癌组织病理图像分析的计算机辅助诊断和预后。