Image analysis and deep learning for urothelial carcinoma tumor microenvironment characterization
Fecha
2024Autor
Director
Versión
Acceso abierto / Sarbide irekia
Tipo
Trabajo Fin de Máster/Master Amaierako Lana
Impacto
|
nodoi-noplumx
|
Resumen
Este proyecto tiene como objetivo el desarrollo de métodos de
análisis de imagen y aprendizaje profundo para el análisis del
microambiente tumoral en imágenes de biopsias de pacientes con
carcinoma urotelial. Las biopsias tumorales fueron obtenidas de pacientes
en la Clínica Universidad de Navarra y las imágenes de
inmunofluorescencia de siete canales se consiguieron utilizando el
dispositi ...
[++]
Este proyecto tiene como objetivo el desarrollo de métodos de
análisis de imagen y aprendizaje profundo para el análisis del
microambiente tumoral en imágenes de biopsias de pacientes con
carcinoma urotelial. Las biopsias tumorales fueron obtenidas de pacientes
en la Clínica Universidad de Navarra y las imágenes de
inmunofluorescencia de siete canales se consiguieron utilizando el
dispositivo de adquisición de imágenes multiespectrales Vectra Polaris de
Akoya Biosystems. Las imágenes están compuestas por siete canales que
corresponden a siete fluorocromos que etiquetan células tumorales y
diferentes poblaciones de células inmunitarias. Los objetivos del proyecto
incluyen la segmentación de células basada en marcadores nucleares y de
membrana, la clasificación de diferentes fenotipos celulares basada en la
expresión de marcadores fluorescentes, y el estudio de las interacciones
entre las poblaciones celulares en relación con el resultado clínico del
paciente. El método basado en Deep Learning utilizado para segmentación
nuclear implementado y entrenado con nuestro conjunto de datos supera
a otros métodos del estado del arte en términos de precisión de
segmentación. La segmentación de célula complete y la clasificación de
fenotipos celulares han sido también optimizados para detectar dos
poblaciones celulares en nuestra cohorte de pacientes, dado su interés
clínico: células CD8+ y células BATF3+.Entre los resultados obtenidos se
debe destacar que la densidad de poblaciones celulares CD8+ dentro del
microambiente tumoral sirve como un indicador de la respuesta mejor al
tratamiento de inmunoterapia Atezolizumab en pacientes con carcinoma
urotelial. Además, se ha descubierto que las interacciones entre las
poblaciones celulares BATF3+ y CD8+ también tienen un impacto directo
en la evolución de los pacientes. Estas conclusiones contribuyen
significativamente a la investigación clínica al identificar nuevos
biomarcadores relevantes dentro del sistema inmune. [--]
This project aims to develop image analysis and deep learning
methods for the analysis of the tumor microenvironment in images of
biopsies of urothelial carcinoma patients. Tumor biopsies were obtained
from patients in the Clínica Universidad de Navarra, and 7-plex
immunofluorescence images were acquired from tissue microarrays using
the Vectra Polaris multispectral image acquisition device ...
[++]
This project aims to develop image analysis and deep learning
methods for the analysis of the tumor microenvironment in images of
biopsies of urothelial carcinoma patients. Tumor biopsies were obtained
from patients in the Clínica Universidad de Navarra, and 7-plex
immunofluorescence images were acquired from tissue microarrays using
the Vectra Polaris multispectral image acquisition device (Akoya
Biosystems). The images are composed of seven channels corresponding
to seven fluorochromes labelling tumor cells and different immune cell
populations. The objectives of the project include the segmentation of cells
based on nuclear and membrane markers, the classification of different cell
phenotypes based on the expression of fluorescent markers, and the study
of interactions between cell populations in relation with the patient clinical
outcome. The nuclei segmentation deep learning-based method
implemented and trained with our dataset outperforms other state-of-theart methods in terms of segmentation accuracy. Whole-cell segmentation
and cell phenotype classification have also been optimized to detect two
cell populations in our patient cohort, due to their clinical interest: CD8+
cells and BATF3+ cells. Within the obtained results, it should be
highlighted that the density of CD8+ cell population within the tumor
microenvironment serves as an indicator of the response to Atezolizumab
immunotherapy treatment in patients with urothelial carcinoma.
Additionally, is has been found that spatial interactions between BATF3+
and CD8+ cell populations also have a direct impact on the patient
outcomes. These conclusions significantly contribute to clinical research by
identifying new relevant biomarkers within the immune system. [--]
Materias
Aprendizaje profundo,
Microambiente tumoral,
Carcinoma urotelial,
Imágenes multiplexadas,
Interacciones espaciales,
Deep learning,
Tumor microenvironment,
Urothelial carcinoma,
Multiplex imaging,
Spatial interactions
Titulación
Máster Universitario en Ingeniería de Telecomunicación por la Universidad Pública de Navarra /
Nafarroako Unibertsitate Publikoko Unibertsitate Masterra Telekomunikazio Ingeniaritzan