生物信息与智能医学团队最新研究工作PhiHER2于生物信息学领域期刊Bioinformatics发表
2024年07月02日 编辑：生物信息与智能医学中心
近日，生物信息与智能医学团队和天津医科大学肿瘤医院合作的研究工作PhiHER2: Phenotype-informed weakly supervised
model for HER2 status prediction from
pathological images目前已发表在生物信息学领域期刊Bioinformatics / ISMB2024。
在临床研究与实践中，准确鉴定患者的HER2分子状态对于评估患者的预后风险、确定治疗方案至关重要。传统的组织病理切片提供了细胞结构和肿瘤区域的形态学信息，但通常具有高分辨率的特性。此外，乳腺癌患者肿瘤组织的HER2分子表达往往呈现出肿瘤内高异质性。
针对以上研究挑战，课题组首次提出一种基于形态表型引导的弱监督多实例学习方法PhiHER2以实现乳腺癌患者HER2分子状态的精准预测。考虑到HER2分子表达的肿瘤组织内高异质性，PhiHER2通过层次化原型聚类模块从整个乳腺癌病理图像队列中识别表征性形态表型嵌入；这些表型嵌入与患者病理图像的所有组织子区域实例特征进一步通过改进的交叉注意力模块进行特征融合，以增强病理图像样本的特征交互与表示；新的特征谱被多种不同的全局分类器进行建模，实现了对HER2分子状态的精准预测。
该研究方法在多个真实世界数据集上进行了验证。实验结果表明PhiHER2方法在形态表型引导下获得了更鲁棒的切片层面特征表示；定量评估结果也表明PhiHER2更好地优于现有方法。该方法为数字病理切片中肿瘤组织形态表型与HER2分子表达关联提供了新的见解。