من صورة الشريحة الكاملة إلى توقع العلامات الحيوية: بروتوكول للتعلم العميق من البداية إلى النهاية في علم الأمراض الحاسوبي

تُعد صور الأقراص الكاملة (WSIs) المُصبغة بالهيماتوكسيلين والئوسين (H&E) الأساس في تشخيص السرطان. في السنوات الأخيرة، ساهم تطور الطرق القائمة على التعلم العميق في علم الأمراض الحاسوبي في تمكين التنبؤ بعلامات حيوية مباشرة من صور WSIs. ومع ذلك، ما زال التوصيل الدقيق بين الفينوتايب النسيجي والعلامات الحيوية على نطاق واسع يُعد تحديًا جوهريًا في تمكين استخدام العلامات الحيوية المعقدة على نطاق واسع في علم الأورام الدقيق. يصف هذا البروتوكول سير عمل عملي لنموذج الترابط في الأورام الصلبة في علم الأمراض (STAMP)، الذي يُمكّن من التنبؤ بالعلامات الحيوية مباشرة من صور WSIs باستخدام التعلم العميق. يتميز سير عمل STAMP بأنه غير مرتبط بعلامة حيوية معينة، ويسمح بإدخال بيانات جدولية جينية وسريرية-مُرضية كمدخل إضافي إلى جانب صور علم الأمراض النسيجي. يتكون البروتوكول من خمس مراحل رئيسية، والتي تم تطبيقها بنجاح على مشكلات بحثية متنوعة: صياغة المشكلة بشكل رسمي، ما قبل المعالجة، النمذجة، التقييم، والترجمة السريرية. يتميز سير عمل STAMP بتركيزه على كونه إطارًا تعاونيًا يمكن للمهنيين الطبيين والمهندسين على حد سواء استخدامه لتأسيس مشاريع بحثية في مجال علم الأمراض الحاسوبي. كمثال على مهمة تطبيقية، قمنا بتطبيق STAMP للتنبؤ بحالة عدم الاستقرار في المواقع المتكررة (MSI) في سرطان القولون، حيث أظهر أداءً دقيقًا في تحديد الأورام ذات الحالة MSI-عالية. علاوةً على ذلك، نقدم قاعدة كود مفتوحة المصدر تم نشرها في عدة مستشفيات حول العالم لبناء سير عمل في علم الأمراض الحاسوبي. يتطلب سير عمل STAMP يومًا واحدًا من التنفيذ الحاسوبي اليدوي، ومعرفة أساسية بسطر الأوامر.