Analyse assistée par IA des tissus de l’adénocarcinome canalaire pancréatique pour l’écosystème immunitaire tumoral...

Key Points

• Ce projet vise à développer un pipeline piloté par IA pour évaluer le microenvironnement immunitaire de l’adénocarcinome canalaire pancréatique et identifier des classificateurs cliniques pertinents.
• Analyse des images de diapositives entières provenant de 53 patients atteints de PDAC en utilisant H&E et des colorations spécifiques pour les macrophages et la fibrose.
• Utilisation d'un classificateur d'apprentissage profond pour quantifier les zones tumorales et stromales ainsi que des mesures d'entropie spatiale.
• Utilisation de la segmentation basée sur QuPath pour évaluer l'abondance des macrophages et des métriques de fibrose, en corrélant les caractéristiques immunitaires avec les métriques tissulaires.
• Application de CTransPath pour l'extraction d'embeddings et la projection UMAP pour explorer les motifs de clustering des caractéristiques immunitaires.
• Obtention d'un score F1 global de 0,79 avec le classificateur tissulaire d'apprentissage profond sur les diapositives de PDAC.
• Découverte que la forte abondance de macrophages et l'entropie spatiale sont liées à une survie globale plus mauvaise.
• L'intégration des caractéristiques immunitaires avec celles de la tumeur a amélioré la stratification des patients, en particulier chez les patients traités par NAT qui ont montré une fibrose accrue et une infiltration de macrophages réduite.