大腸癌におけるMMRマーカーを用いたMSIの深層学習ベース予測【JST・京大機械翻訳】

Awan Ruqayya; Nimir Mohammed; Raza Shan E Ahmed; Bilal Mohsin; Lotz Johannes; Snead David; Robinson Andrew; Rajpoot Nasir

プレプリント

J-GLOBAL ID：202202204148637317 整理番号：22P0297099

大腸癌におけるMMRマーカーを用いたMSIの深層学習ベース予測【JST・京大機械翻訳】

Deep Learning based Prediction of MSI using MMR Markers in Colorectal Cancer

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年04月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

結腸直腸癌の正確な診断と分子プロファイリングは,患者の最良の治療選択肢を計画するために重要である。マイクロサテライト不安定性(MSI)またはミスマッチ修復(MMR)状態は,適切な治療選択で重要な役割を果たし,予後上の意味があり,根底にある遺伝的疾患(Lynch症候群)を有する患者の可能性を研究するのに使用される。NICEは,すべてのCRC患者がMMR/MSI試験を提供するべきであることを推薦する。免疫組織化学は,通常,必要な分子試験によるMMR状態を評価するために使用される。これは顕著な余分のコストを招き,追加の資源を必要とする。ターゲット画像からMSIまたはMMR状態を予測できる自動化法の導入は,MMR試験に関連したコストを大幅に低減できた。粗いラベル(MSI対マイクロサテライト安定(MSS))を用いたCNNの訓練を含むMSI予測に関する以前の研究とは異なり,訓練目的のための細粒MMRラベルを利用した。本論文では,CK8/18またはH&Eで染色された単一標的スライドを用いて,2段階プロセスでのMSI状態の予測に関する我々の研究を提示する。最初に,著者らは,各頭部がMMR蛋白質発現の1つを予測するために責任があるマルチヘッド畳込みニューラルネットワークモデルを訓練した。この目的のために,前処理段階として標的スライドへのMMR染色スライドの登録を行った。第2段階では,MMR予測マップから計算した統計的特徴を最終MSI予測に用いた。著者らの結果は,MSI分類が,粗いラベルのみを利用した以前のアプローチと比較して,細粒MMRラベルを組み込むことによって改良できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

消化器の腫よう , 腫ようの診断 , 腫ようの化学・生化学・病理学

, , , , ,

前のページに戻る