多目标系统化学习的PD-L1切片分析方法

在肿瘤尤其是如肺鳞癌(lung squamous cell carcinoma,LUSC)的非小细胞肺癌的治疗中,基于程序性死亡受体-配体1(programmed cell death-ligand 1,PD-L1)染色切片的阳性肿瘤细胞比例评分(tumor proportion score,TPS)可为治疗方案的选择提供重要依据。肿瘤细胞(tumor cell,TC)的许多参数对癌症诊断至关重要。虽然可以通过计算分析来预测这些参数,但很少有一个统一的框架可以同时获得细胞的不同病理信息。为此,提出了一种多目标学习框架(multi-objective learning pipeline,MOLP),从LUSC的PD-L1切片中预测TPS、细胞数目、细胞核轮廓和类别。主干网络包括两个分支:一个分支通过细胞分析估算TPS,另一个分支直接通过回归分析估算TPS。MOLP通过最小化两个分支的TPS预测差值来提高其鲁棒性。细胞分析支路可实现细胞核分割、分类和计数,不仅增强了TPS估计的可信度,还使得MOLP能够估计肿瘤细胞的外观参数以用于LUSC诊断。在大规模图像集上的实验结果证明了MOLP的可行性和有效性。MOLP预测的TPS与病理医师的评分呈现出统计学上的显著相关性:平均绝对误差仅为4.97(95%置信区间:-0.56~10.49),皮尔逊相关系数为0.97(p<0.001)。

非小细胞肺癌不同部位组织样本PD-L1表达水平比较研究

背景与目的程序性死亡配体1(programmed cell death ligand 1,PD-L1)作为非小细胞肺癌(non-small cell lung cancer,NSCLC)免疫治疗患者分层标志物已进入临床病理常规检测。然而PD-L1表达在肺内和肺外不同转移部位的空间异质性是困扰临床检测的难题。本研究旨在探讨NSCLC不同部位组织样本的PD-L1表达评分的差异,从而有助于晚期肺癌患者的PD-L1检测策略的制定。方法回顾性收集PD-L1(22c3抗体,Dako)临床病理连续检测的131例肺外转移性NSCLC以及同期非配对肺内肿瘤972例进行对照分析,对比肺外与肺内肿瘤组织样本检测的PD-L1肿瘤阳性比例评分(tumor proportion score,TPS)差异。结果肺外转移性NSCLC的PD-L1阳性表达率(TPS≥1%)为61.83%,TPS评分显著高于同期肺内肿瘤(P=0.03)。不同部位组织样本的PD-L1表达评分具有显著差异(P=0.007)。肝脏和肾上腺转移瘤的PD-L1阳性率高,分别为85.71%和77.78%,其TPS评分均显著高于肺内肿瘤(P<0.05)。淋巴结、骨、脑、软组织和胸膜转移瘤的PD-L1表达率为40.00%-66.67%,TPS评分与肺内肿瘤无显著差异。组织学和样本类型分析显示,腺癌类型和手术切除的肺外样本PD-L1表达评分显著高于同类型肺内肿瘤。临床病理参数分析显示,PD-L1阳性表达和高表达均与患者男性、吸烟史以及表皮生长因子受体(epidermal growth factor receptor,EGFR)野生型显著相关。结论肺外转移性NSCLC样本的PD-L1表达评分高于肺内肿瘤,且不同部位组织样本的PD-L1表达阳性率存在差异。肺外转移性肿瘤与肺内肿瘤的PD-L1检测差异可能与不同转移部位、组织学和样本类型相关。