《Acta Histochemica》:Predicting DNA replication–related protein expression at the nucleus level from HE: A deep learning study with same-specimen paired data
编辑推荐:
为解决数字病理中辅助检测负担重的问题,研究人员利用深度学习模型,从HE(Hematoxylin–Eosin)染色的子宫内膜样癌组织切片中提取核图像,成功实现了在单细胞核水平上对DNA复制相关蛋白(CDC6、CDT1、MCM7、ORC1、CDC7、Geminin)和Ki-67的连续DAB光密度(OD)和二元阳性状态的预测。结果显示MCM7和Ki-67的预测效果最佳(AUC-ROC≈0.70-0.72),为直接从常规HE染色中推断分子信息提供了可行性,具有提高临床诊断效率的潜力。
在病理诊断的日常工作中,苏木精-伊红(Hematoxylin–Eosin, HE)染色是最基础、应用最广泛的技术,它能清晰地显示组织的形态结构,帮助病理医生判断细胞和组织的异常。然而,HE染色也有其局限性:它主要展示形态学信息,却无法直接揭示细胞内部的分子活动,比如特定蛋白质的表达水平。为了获取这些关键的分子信息,临床上通常需要进行额外的检测,如免疫组织化学(Immunohistochemistry, IHC)染色。IHC虽然有效,但增加了检测成本、工作流程的复杂性和时间。那么,能否直接从现有的、常规采集的HE染色切片中“读出”这些潜在的分子信息,从而减少对额外IHC检测的依赖呢?这正是人工智能(AI)和数字病理学领域近年来探索的前沿方向。
近期发表在《Acta Histochemica》上的一项研究,为此提供了一种新颖且深入的解决方案。来自日本东京科学大学的Takumi Urata等研究人员,将目光聚焦于一类与细胞增殖密切相关的蛋白质——DNA复制相关蛋白。他们假设,细胞在活跃增殖、表达这些蛋白质时,其细胞核的形态(如形状、染色质纹理、核内强度模式)会发生微妙但可被机器学习捕捉的变化。为了验证这一假设,研究团队开展了一项旨在从HE染色的细胞核图像中,预测DNA复制相关蛋白表达水平的深度学习研究。
研究人员首先构建了一个关键的数据集。他们收集了21例子宫内膜样癌(Endometrioid Carcinoma)患者的组织样本,每个样本制作了连续的切片。这些切片先进行HE染色并扫描成数字化的全玻片图像(Whole-Slide Image, WSI),随后经过脱色处理,再分别进行针对Ki-67和6种DNA复制相关蛋白(CDC6, CDT1, MCM7, ORC1, CDC7, Geminin)的IHC染色。这样就得到了来自同一物理切片的、精确配对的HE和IHC图像对。
接下来,他们从配对的HE和IHC图像中手动选取了对应的肿瘤区域感兴趣区(Region of Interest, ROI)。在IHC图像上,他们采用了基于非负矩阵分解的颜色分离技术,将图像分解为苏木精(核复染)和DAB(目标蛋白显色)成分,并重建出仅含苏木精信号的图像,以便使用先进的HoVer-Net模型进行精确的细胞核实例分割。同样,HoVer-Net也被用于分割HE图像中的细胞核。对于每个分割出的细胞核,研究者以核质心为中心,从HE图像中裁剪出100×100像素的图片。同时,在配对的IHC图像中,计算同一细胞核区域内的平均DAB光密度(Optical Density, OD)值,作为该核蛋白表达量的“金标准”。最终,他们构建了一个大规模的配对数据集,其中每个HE细胞核图片都与一个来自IHC的、量化的蛋白表达值(DAB OD)一一对应。
利用这个数据集,研究团队训练了卷积神经网络模型,其核心任务是:输入一个HE细胞核图片,模型需要预测出该细胞核对应的蛋白表达量(回归任务)或判断其是否为阳性(分类任务)。他们比较了不同的网络架构,并探索了多任务学习(即一个模型同时预测多种蛋白)的效果。
研究结果部分详细展示了模型的预测性能:
- •
3.1. 模型比较:在测试集上,ResNet-50架构展现了最稳定的泛化性能,其预测MCM7的曲线下面积(AUC-ROC)达到0.70,F1分数为0.71,优于EfficientNet-B0和MobileNetV3-Small。因此,ResNet-50被选为后续分析的基线模型。
- •
3.2. 背景信息的影响:研究探讨了输入图片大小和背景信息对预测的影响。结果发现,使用100×100像素的图片并对其核外背景进行渐晕(vignetting)处理,在测试集上取得了最佳的综合性能(AUC-ROC=0.71, F1=0.72)。这表明适度抑制核外背景信息有助于模型聚焦于核内形态特征,从而提升泛化能力。
- •
3.3. 多任务比较:这是本研究的亮点之一。研究人员比较了单任务学习和多任务学习的性能。整体上,多任务学习(联合预测多个DNA复制相关蛋白)带来了适度的平均性能提升。具体来说:
- •
对于不同蛋白,预测性能存在差异:MCM7和Ki-67 consistently表现出最强的可预测性(AUC-ROC≈0.70–0.72);Geminin和CDC6在部分设置下具有中等程度的可预测性;而CDT1的预测性能则接近随机水平(AUC-ROC≈0.50)。
- •
多任务学习的益处不一致:当模型同时学习6种DNA复制蛋白(不含Ki-67)时,ORC1、CDC6和Geminin等蛋白的性能有所提升。当加入Ki-67一起进行七任务联合学习时,部分蛋白(如CDC6、Geminin、MCM7)的AUC-ROC进一步提升,但另一些蛋白(如CDC7)则没有明显改善甚至略有下降。这表明多任务学习能产生知识迁移,但其效果因标记物而异。
- •
3.4. 与先前工作的基准比较:研究还将本方法的预测结果与先前一项基于全切片图像进行Ki-67“数字染色”的研究进行了间接比较。通过汇总细胞核级别的阳性预测来计算ROI水平的标记指数(Labeling Index, LI),本方法与真实IHC得出的LI具有中等程度的相关性(r=0.54),平均绝对误差为15.2个百分点。虽然性能不及直接进行“数字染色”的方法,但这证明了仅凭细胞核图像也能在一定程度上推断出组织区域的增殖活性。
在讨论与结论部分,作者对本研究的意义、局限性和未来方向进行了阐述。本研究首次利用同一切片、细胞核对细胞的配对数据,系统地证明了从HE细胞核形态直接推断DNA复制相关蛋白表达(包括连续值和二分类)的可行性。这不仅在方法学上提供了一种新的强监督学习范式,也揭示了细胞增殖状态与核形态之间存在可被深度学习捕捉的关联。
这项研究具有重要的潜在临床意义。它表明,未来或许可以利用常规的HE切片,快速筛查出高表达特定增殖相关蛋白(如MCM7)的细胞或区域,从而辅助病理医生更高效地选择需要进行确认性IHC检测的区域,优化工作流程,降低成本。此外,模型预测出的连续蛋白表达值可以转化为空间分布图,可视化展示肿瘤内部增殖活性的异质性,这可能为预后评估和治疗策略制定提供新的见解。
当然,作者也明确指出了本研究的局限性。主要包括:队列规模较小(仅21例),缺乏外部验证,性能因蛋白质而异,且尚未测试模型对不同染色条件和扫描仪的鲁棒性。因此,当前的研究更应被视为一项原理验证性工作,而非可直接临床部署的模型。未来的研究需要在大规模、多中心的外部队列中进行验证,并探索使用自监督预训练等方法来提升模型的鲁棒性和数据效率。总之,这项工作为利用人工智能挖掘常规病理切片中蕴藏的深层分子信息开辟了新的途径,将激励更多利用更大外部队列和先进学习范式的研究。