Uma abordagem de aprendizado de máquina não supervisionada baseada em H&E para previsão precisa dos subtipos do microambiente tumoral.

e13593 Contexto: A oncologia de precisão depende cada vez mais da classificação precisa do microambiente tumoral (TME), que influencia as respostas terapêuticas e o prognóstico no câncer. Embora a observação histológica via H F vs outros, p=0,07 (H&E) e 0,09 (NGS)). Nossas descobertas mostraram uma correlação notável com previsões baseadas em RNA e DNA dos TME de ID e F e MSI, com precisão aprimorada e identificação de subtipo mais robusta enquanto alcançava alta consistência de embedding. Conclusões: Ao aproveitar os detalhes intrinsecamente ricos nas imagens histológicas, nossa abordagem baseada em H&E complementa a análise do TME baseada em NGS. Nossos achados defendem a integração de análise avançada de imagem no fluxo de trabalho padrão de caracterização do TME para refinar estratégias prognósticas e terapêuticas para CRC. Expanderemos este algoritmo para uso em outros tipos de câncer para realizar seu potencial como um adjunto promissor ao NGS para classificação precisa do TME. 1. Bagaev et al., 2021.