Пациенты с пищеводом Барретта (BE) нуждаются в улучшенной стратификации риска рака для выявления лиц высокого риска при одновременном снижении избыточного лечения в популяциях низкого риска. Эволюция BE в направлении аденокарциномы, вероятно, обусловлена комбинацией геномных факторов и факторов микроокружения, что указывает на потенциал прогностических моделей, интегрирующих оба компонента.
Исследователи разработали BEACON (Barrett's Esophagus DNA content Abnormality and immune ecology for Cancer Outcome) — пространственно-ориентированную платформу, интегрирующую предсказание содержания ДНК на основе глубокого обучения и характеристик иммунной архитектуры из рутинной гистопатологии.
В рамках BEACON была создана модель DACOR — multi-instance learning модель, предсказывающая содержание ДНК по гистопатологии. Модель обучена на 777 биопсиях BE с данными о содержании ДНК, полученными методом проточной цитометрии, отсканированных в двух учреждениях. DACOR продемонстрировала высокую эффективность в валидационных и тестовых наборах данных для предсказания аномалий содержания ДНК.
Пациенты, классифицированные DACOR как имеющие аномальное содержание ДНК, демонстрировали повышенную прогрессию рака. Дополнительные модели для классификации клеток и сегментации тканей позволили рассчитать метрики пространственной иммунной экологии.
Аномальные регионы демонстрировали повышенную лимфоплазмоцитарную инфильтрацию по сравнению с нормальными областями. Среди пациентов с аномалиями содержания ДНК у прогрессоров отмечалось увеличение кластеризации плазматических клеток, прилегающих к аномальному эпителию, по сравнению с непрогрессорами.
Была разработана модель логистической регрессии, интегрирующая молекулярные признаки, характеристики иммунной экологии и морфологию эпителия для стратификации риска рака. Интегрированная модель стратифицировала пациентов с аномалиями содержания ДНК на группы высокого и низкого риска, что коррелировало с прогрессией и выживаемостью пациентов.
В целом, BEACON пространственно интегрирует молекулярные аномалии с иммунной экологией для стратификации пациентов с BE по риску прогрессии рака с использованием рутинных патологических изображений.