Deep Pathomic Learning Defines Prognostic Subtypes and Molecular Drivers in Colorectal Cancer
Created by
Haebom
Category
Empty
저자
Zisong Wang, Xuanyu Wang, Hang Chen, Haizhou Wang, Yuxin Chen, Yihang Xu, Yunhe Yuan, Lihuan Luo, Xitong Ling, Xiaoping Liu
TDAM-CRC 모델을 이용한 대장암 예후 예측
개요
본 연구는 대장암의 높은 이질성으로 인해 정밀한 예후 예측이 어려운 문제를 해결하기 위해, 조직병리학적 전체 슬라이드 이미지를 활용하는 새로운 다중 인스턴스 학습 모델 TDAM-CRC를 개발하고 검증했습니다. TCGA 데이터(n=581)를 사용하여 모델을 훈련하고, 독립적인 외부 코호트(n=1031)에서 검증했습니다. 또한 다중 오믹스 데이터를 통합하여 모델의 해석 가능성을 높이고 새로운 예후 바이오마커를 식별했습니다. TDAM-CRC는 두 코호트 모두에서 강력한 위험 계층화를 달성했으며, 기존 임상 병기 시스템 및 최첨단 모델보다 뛰어난 예측 성능을 보였습니다. TDAM-CRC 위험 점수는 다변량 분석에서 독립적인 예후 인자로 확인되었습니다. 고위험 서브타입은 대사 재프로그래밍 및 면역 억제 종양 미세 환경과 밀접한 관련이 있음이 밝혀졌습니다. MRPL37 유전자가 깊은 병리학적 특징과 임상 예후를 연결하는 핵심 허브 유전자로 확인되었으며, MRPL37의 높은 발현은 유리한 예후의 독립적인 바이오마커로 작용했습니다. TDAM-CRC 위험 점수와 임상 요소를 통합한 노모그램을 구성하여 대장암 환자를 위한 정밀하고 해석 가능한 임상 의사 결정 도구를 제공했습니다.
시사점, 한계점
•
시사점:
◦
TDAM-CRC 모델은 기존의 임상 병기 시스템보다 우수한 대장암 예후 예측 능력을 보였습니다.
◦
MRPL37 유전자 발현은 대장암 예후의 새로운 바이오마커로 제시되었습니다.
◦
TDAM-CRC는 대사 재프로그래밍 및 면역 억제 종양 미세 환경과의 연관성을 밝혀냈습니다.
◦
TDAM-CRC 위험 점수와 임상 요소를 결합한 노모그램을 통해 임상 의사 결정 도구를 제공했습니다.
