要約 腫瘍微小環境（TME）は腫瘍の予後および免疫療法への反応に影響を与えます。しかし、現在のTME評価は主に侵襲的な病理スライスに依存しています。さらに、腫瘍の不均一性はTMEの正確な評価のための信頼できるバイオマーカーの特定に課題をもたらします。我々は、MRIとTMEを深く相関させる一般的な解釈可能なワークフローを提示します。このワークフローは、大規模データをデコンボリューションし、信頼できるTMEプロファイルを推論し、組み込まれたTME情報を用いて無監視病変注釈を可能にし、臨床医が理解しやすい解釈可能な放射omics特徴を使用してがん画像バイオマーカーおよび亜型を特定します。遺伝子および画像データの解釈可能なモジュールは、バイオマーカーの発見と臨床応用を改善します。カスタマイズされたデコンボリューションは複数のデータセットにわたって既存のベースラインを上回り、最初にトリプルネガティブ乳がん（TNBC）におけるがん関連線維芽細胞（CAF）の比率とT細胞浸潤との逆相関関係を明らかにしました。放射遺伝学モデルはCAFの比率を予測する際に0.87の精度を達成し、特にCAFに関連する新しい、強固な微小環境画像バイオマーカーを特定しました。亜型化のために特定した放射omics特徴は乳がん患者間で一貫した分布を示し、5つの多施設検証で0.8を超える平均精度を達成しました。
Li et al. (水曜日) がこの問題を研究しました。