← 返回首頁

從病理切片推估腫瘤蛋白質地圖,Hist2Prot尋找免疫治療反應線索

在涵蓋1,774名患者的七個獨立群體中,AI推估的蛋白質資訊提升了多項臨床預測表現;下一步,是確認這些線索能否真正幫助治療決策。

By SURL BioNews

一張日常病理切片,除了呈現細胞形狀與組織排列,還能透露多少分子資訊?11月13日刊於《Nature Cancer》的研究提出Hist2Prot,嘗試從常規染色影像推估腫瘤內單一細胞的蛋白質分布,為尋找治療反應線索提供另一條途徑。

這項方法瞄準的是空間蛋白質分析的應用門檻。直接測量蛋白質在組織中的位置,有助理解腫瘤微環境,卻受到成本、技術複雜度與組織涵蓋範圍限制。Hist2Prot則利用約5,100萬個配對細胞資料,學習蘇木精—伊紅染色(H&E)影像與蛋白質訊號之間的關係;產出的「虛擬蛋白質」屬於模型推估,不能視為直接量測。

研究除了內部測試,也納入獨立同平台與跨平台資料,合計約7,200萬個額外細胞。據論文摘要,推估結果與實測蛋白質分布具有一致性,並保留免疫、基質及腫瘤細胞的部分特徵。在七個獨立患者群體、共1,774人的分析中,這些資訊也讓分子生物標記、預後及免疫治療反應的預測,優於僅使用H&E形態資訊的方法。

不過,「預測更好」距離「治療更好」仍有關鍵一步。這些結果支持進一步臨床評估,尚不能證明依模型選擇療法,就能延長存活或減少無效治療。公開摘要也未提供各項任務的完整效能數值,無法單憑總人數判定每一種應用的可靠程度。

研究團隊公開的程式庫,讓實作條件更具體。文件列出的輸入除了全切片影像,還包括細胞特徵表,以及標示細胞核與擴展細胞區域的分割遮罩;並提供前處理、訓練、推論與評估程式。這表示重現研究需要一套資料整理流程,不能將成果理解為上傳任意切片便可取得臨床答案。

程式庫預設以患者為單位,按七比三分配訓練與測試資料,也允許指定分組,評估時則逐一處理未參與訓練的患者。患者層級的切分有助降低同一人的相似影像同時進入兩組所造成的偏差,但文件中的預設設定,不能代替對論文各個驗證群體的完整查核。

走向實際應用,還需要確認不同醫院的染色、掃描與患者差異會如何影響結果,並以臨床研究檢驗其決策價值。公開程式碼也不等於可自由商用:專案標示採用CC BY-NC-ND 4.0授權,包含非商業使用及禁止散布改作版本的限制。Hist2Prot目前提供的是一條可供驗證的研究路徑,臨床效益與部署條件都還需要更多證據。

References

  1. Nature Cancer
  2. GitHub — Jsf826/Hist2Prot