유방암 조직 병리 이미지에서 QuPath를 사용한 암 침윤 림프구 평가 자동화: 투명하고 접근 가능한 머신러닝 파이프라인

Masoud Tafavvoghi 등 연구팀은 QuPath를 이용하여 유방암 조직 병리 이미지에서 암 침윤 림프구(TILs) 평가를 자동화하는 파이프라인을 개발했습니다. 병리학자 평가와 높은 일치도(Cohen's kappa 0.71)를 보여주는 이 파이프라인은 유방암 진단 및 치료 개선에 크게 기여할 것으로 예상됩니다.

놀라운 소식! 유방암 연구에 혁신을 가져올 기술 등장! 🔬

최근 Masoud Tafavvoghi 박사를 비롯한 연구팀이 놀라운 연구 결과를 발표했습니다. 바로 QuPath를 이용한 유방암 조직 병리 이미지에서 암 침윤 림프구(TILs) 평가 자동화 파이프라인 개발 성공 소식입니다! 🎉

이 연구는 접근성이 높은 도구를 사용하여 복잡한 이미지 분석 작업을 완전 자동화하는 획기적인 방법을 제시합니다. 연구팀은 먼저 픽셀 분류기를 훈련시켜 유방암 H&E 염색 전자현미경 이미지에서 종양, 종양 관련 간질, 그리고 다른 조직 구획을 정확하게 분류했습니다. 여기서 끝이 아닙니다! 사전 훈련된 StarDist 딥러닝 모델을 QuPath에 적용하여 세포를 탐지하고, 추출된 세포 특징을 이용해 TILs와 다른 세포를 구별하는 2진 분류기를 훈련시켰습니다.

이렇게 만들어진 파이프라인은 각 전자현미경 이미지의 TIL 밀도를 계산하여 저, 중, 고 TIL 수준으로 분류합니다. 놀랍게도, 이 파이프라인은 병리학자의 TIL 점수와 비교하여 외부 테스트 세트에서 Cohen's kappa 0.71을 달성, 기존 연구 결과를 훌륭하게 뒷받침했습니다.

이는 기존 소프트웨어를 활용하여 유방암 H&E 염색 전자현미경 이미지에서 TILs 평가를 효율적으로 수행할 수 있음을 의미합니다. 이 연구는 유방암 진단 및 치료 전략 개선에 크게 기여할 것으로 기대됩니다. 앞으로 더욱 발전된 AI 기반 의료 기술의 발전이 기대됩니다! 👍

핵심 내용 한눈에:

• QuPath 기반의 완전 자동화 TILs 평가 파이프라인 개발
• 픽셀 분류기 및 사전 훈련된 StarDist 모델 활용
• 병리학자 평가와의 높은 일치도 (Cohen's kappa 0.71)
• 유방암 진단 및 치료 전략 개선에 기여할 잠재력