TILs密度定量
利用深度学习算法在H&E染色切片上定量TILs密度,以评估不同患者和疾病特征下的分布。
对来自九项试验的活检和切除标本进行数字化扫描,使用HeteroGenius-MIM软件和更新后的深度学习模型自动检测TILs,并通过人工质量控制。
The density of tumour infiltrating lymphocytes in oesophago-gastric cancer varies with disease stage, geographical region and treatment: a post hoc analysis of nine phase III clinical trials
研究基于九项III期临床试验的回顾性事后分析,采用深度学习算法定量TILs密度,涉及多种标本类型和临床病理数据,但为观察性分析,无功能验证实验。
食管-胃癌患者的肿瘤活检和切除标本 九项III期临床试验队列(含英国和亚洲)
标本类型(治疗前活检、未化疗切除、化疗后切除) 疾病分期(早期 vs 晚期) 地理区域(英国 vs 亚洲) 治疗方案(不同化疗方案) H&E染色和扫描条件(扫描仪型号、软件)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
利用深度学习算法在H&E染色切片上定量TILs密度,以评估不同患者和疾病特征下的分布。
对来自九项试验的活检和切除标本进行数字化扫描,使用HeteroGenius-MIM软件和更新后的深度学习模型自动检测TILs,并通过人工质量控制。
比较早期与晚期疾病患者治疗前活检或未治疗切除标本中的TILs密度。
将患者按疾病分期分组,比较早期疾病(OE02、OE05、ST03)与晚期疾病(REAL3、COG、GO2)的治疗前活检TILs密度。
比较英国与亚洲患者肿瘤中的TILs密度。
比较英国试验(OE02等)和亚洲试验(SAMIT、CLASSIC)切除标本的TILs密度。
评估不同化疗方案是否影响TILs密度。
在相同地理区域和疾病分期下,比较不同化疗方案后患者的TILs密度。
探讨TILs密度与年龄、性别、肿瘤位置、分期等临床病理特征的关系。
将患者按TILs密度分为低、中、高三组,使用Mann-Whitney或Kruskal-Wallis检验比较低与高组之间的临床病理特征。
评估MMR状态与TILs密度的关系。
在使用MAGIC、CLASSIC和GO2试验中,通过连续TILs密度值分析MMR状态与TILs密度的关系。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 切片扫描 | Aperio扫描仪 | Leica Biosystems | -- |
| 滨松NanoZoom扫描仪 | Hamamatsu Photonics | -- | |
| 图像分析 | HeteroGenius-MIM图像分析软件 | HeteroGenius Ltd. | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 标本收集 | 标本类型(活检或切除)及治疗背景(治疗前、未化疗、化疗后) 阅读提示:Methods部分各试验描述 |
| TILs定量 | 扫描仪型号、图像分析软件、深度学习模型版本、区域注释规则 阅读提示:Methods: Measurement of tumour infiltrating lymphocytes |
| 统计分析 | 分组定义(如低、高TILs密度截断值)、统计检验方法、是否校正多重检验 阅读提示:Methods: Statistical analysis部分 |
| 临床病理数据 | 疾病分期、地理区域、年龄、性别、肿瘤位置、pT/pN状态 阅读提示:Table 4及其分析描述 |