Análisis histológico-genómico integrador de pancáncer mediante aprendizaje profundo multimodal



El campo rápidamente emergente de la patología computacional ha demostrado ser prometedor en el desarrollo de modelos de pronóstico objetivos a partir de imágenes histológicas. Sin embargo, la mayoría de los modelos de pronóstico se basan solo en la histología o la genómica y no abordan cómo se pueden integrar estas fuentes de datos para desarrollar modelos de pronóstico ómicos de imágenes conjuntos. Además, es de interés identificar descriptores morfológicos y moleculares explicables a partir de estos modelos que rigen dicho pronóstico. Utilizamos el aprendizaje profundo multimodal para examinar conjuntamente imágenes de diapositivas completas de patología y datos de perfil molecular de 14 tipos de cáncer. Nuestro algoritmo de aprendizaje profundo multimodal débilmente supervisado es capaz de fusionar estas modalidades heterogéneas para predecir resultados y descubrir características de pronóstico que se correlacionan con resultados deficientes y favorables.

Documento en inglés.



Tamaño: 6,90

Publicado: 11 de agosto de 2022

Fuente: Cancer Cell

Descargar documento