顶刊速看:柳叶刀 IF23.8深度学习评价健康女性供体乳腺组织中衰老相关核形态学以预测未来乳腺癌风险：一项回顾性队列研究

点击👆蓝字或👇名片，关注"AI与医学"

精简推文

选文：大壮

整理：小黄、大壮

虽然放假了，但是学习不能停。

文章标题：

Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study

中文标题：深度学习评价健康女性供体乳腺组织中衰老相关核形态学以预测未来乳腺癌风险：一项回顾性队列研究

发表期刊：Lancet Digital Health

发表日期：

研究背景

研究人员旨在探讨来自健康女性供体的乳腺组织中衰老标记物与乳腺癌发展的临床相关性。

细胞衰老与癌症相关，既可以作为限制自主细胞增殖的屏障机制，也可以作为分泌促炎性旁分泌因子的肿瘤促进微环境机制。由于大多数研究是在非人类模型中进行的，并且衰老的本质是异质的，因此衰老细胞在人体癌症发展中的确切作用尚不清楚。

研究方法

（1）采用回顾性队列研究，应用了基于细胞核形态的单细胞深度学习衰老预测器（NUSP），样本采用女性捐赠者的乳腺活检样本数据。

（3）通过已诱导衰老的细胞（通过电离辐射、复制耗竭或药物暴露）对模型进行训练。

（4）使用经过验证的模型在上皮、基质和脂肪组织等不同组织区分部位预测衰老。

（5）为了对预测结果进行基准比较，根据组织捐赠时的特征为35岁及以上的参与者生成了5年Gail评分。

（6）通过逻辑回归模型估算的乳腺癌的赔率，涉及每个组织区域的预测衰老评分，在病例和对照之间进行比较。

研究结果

（1）参与者特征

①研究包括了4382名女性捐赠者的健康乳腺组织石蜡切片图像。

②中位年龄为45岁，中位随访时间为10年，其中有86名（2.0%）发展为乳腺癌，平均诊断时间为捐赠日期后的4.8年。

病例组和对照组的基线人口学和临床特征

（2）组织分割与衰老

①研究人员使用UMAP投影以评估组织类型的分割，结果发现集群按组织类型分离，表明使用的分割方法是稳妥的。

②使用NUSP为图像中的每个细胞核生成衰老分数，结果发现预测的衰老细胞在组织中呈现出 空间聚集分布，尤其是在上皮区域和乳腺终末导管小叶单位（TDLUs）中。

③衰老在高评分衰老细胞核附近的空间分布类似于指数衰减，进一步支持了旁分泌SASP因子通过局部扩散传播衰老的假设。

（3）衰老与乳腺癌风险的关联

①在脂肪组织中，使用电离辐射（IR）模型预测的衰老分数较高的个体患乳腺癌的几率更高（OR 1.71）。

②使用抗霉素A、阿扎那韦-利托那韦和多柔比星（AAD）模型预测的衰老分数较高的个体则显示出较低的乳腺癌风险（OR 0.57）。

（4）风险模型的交叉分类分析

①交叉分类分析表明，各模型指示的乳腺癌几率在很大程度上是独立的。

②在脂肪组织中，具有低AAD模型评分和高IR模型评分的个体患乳腺癌的风险最高，其优势比为3.32。

4 学习心得

（1）根据正常的乳腺活检样本中的衰老相关核形态，通过深度学习模型可以预测未来的癌症风险。

（2）结合多个模型比目前的临床基准（Gail模型）更能提高预测未来乳腺癌风险的准确性。

引用

[1]Heckenbach I, Powell M, Fuller S, Henry J, Rysdyk S, Cui J, Teklu AA, Verdin E, Benz C, Scheibye-Knudsen M. Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study. Lancet Digit Health. 2024 Oct;6(10):e681-e690. doi: 10.1016/S2589-7500(24)00150-X. PMID: 39332852.

感谢您的阅读，如果您对这项研究感兴趣或想了解更多关于AI在医学中的应用，请继续关注我们，我们会定期分享最新的科研成果和健康资讯。别忘了点赞和转发哦！👍🔄

快来看，大壮卖艺，提供医工交叉科研服务