[論文レビュー] TIAger: Tumor-Infiltrating Lymphocyte Scoring in Breast Cancer for the TiGER Challenge

Adam Shephard, Mostafa Jahanifar+7 more|arXiv (Cornell University)|Jun 23, 2022

Cancer Immunotherapy and Biomarkers被引用数 5

ひとこと要約

TIAgerは、Efficient-UNetベースのセグメンテーションおよび検出モデルを用いて、ヒスタパスロジー・スライドにおける腫瘍浸潤リンパ球（TILs）スコアリングの自動化されたディープラーニングパイプラインを提案する。この手法は腫瘍およびストーマ領域をセグメンテーションし、腫瘍ストーマ内に存在するTILsを同定し、スコアを算出する。生存予測のC-indexは0.719を達成し、TiGERチャレンジの予備リーダーボードで1位を獲得した。

ABSTRACT

The quantification of tumor-infiltrating lymphocytes (TILs) has been shown to be an independent predictor for prognosis of breast cancer patients. Typically, pathologists give an estimate of the proportion of the stromal region that contains TILs to obtain a TILs score. The Tumor InfiltratinG lymphocytes in breast cancER (TiGER) challenge, aims to assess the prognostic significance of computer-generated TILs scores for predicting survival as part of a Cox proportional hazards model. For this challenge, as the TIAger team, we have developed an algorithm to first segment tumor vs. stroma, before localising the tumor bulk region for TILs detection. Finally, we use these outputs to generate a TILs score for each case. On preliminary testing, our approach achieved a tumor-stroma weighted Dice score of 0.791 and a FROC score of 0.572 for lymphocytic detection. For predicting survival, our model achieved a C-index of 0.719. These results achieved first place across the preliminary testing leaderboards of the TiGER challenge.

研究の動機と目的

• 腫瘍浸潤リンパ球（TILs）のスコアリングを、全スライド画像（WSIs）において自動的かつ再現可能に行うパイプラインの開発を目的とする。
• 病理医による手動によるTILs評価のばらつきや主観性を解消し、客観的かつコンピュータ支援によるスコアリングを実現することを目的とする。
• HER2陽性およびトリプルネガティブ型乳癌（TNBC）における予後予測の正確性を向上させることを目的とし、生存予測に高い予測価値を持つTILsスコアを生成することを目的とする。
• TILsセグメンテーション／検出（L1）および生存予測（L2）の両リーダーボードにおいて、TiGERチャレンジで最先端のパフォーマンスを達成することを目的とする。
• GitHubにコードおよびモデル重みを公開することで、再現性を確保することを目的とする。

提案手法

• パイプラインは二段階のアプローチを採用する。まず、WSIROISデータセットで訓練されたEfficient-UNetベースのモデルを用いて、腫瘍およびストーマ領域をセグメンテーションする。
• TILs検出のため、リンパ球を検出する3つの別個のEfficient-UNetモデルを訓練し、1024×1024ピクセルの重複するパッチ上で推論を実行する。
• パッチレベルの検出出力を平均化してアンサンブル処理し、その後、しきい値（0.3）を適用し、連結成分解析を実行して個々のリンパ球を同定する。
• 組織領域の大きさを評価し、WSIをL1（ROIが5 mm²未満）またはL2（全WSIが5 mm²以上）に分類する。L2では、形状的操作およびデローニ三角形分割を用いて腫瘍主体領域を検出する。
• L2では、TILsは腫瘍関連ストーマ内でのみ検出され、TILsスコアは（予測されたTILs領域総面積／ストーマ領域面積）×100として計算され、0〜100の範囲に制限される。
• スライドレベルでの非最大抑制処理を実施して誤検出を低減し、最適化されたリンパ球面積推定値（16ミクロン）を用いて最終的なスコアを導出する。

実験結果

リサーチクエスチョン

• RQ1 H&E染色された乳癌全スライド画像（WSIs）において、ディープラーニングパイプラインがTILsのセグメンテーションおよび検出において高い性能を達成できるか？
• RQ2 このようなパイプラインから得られるTILsスコアは、コックス比例ハザードモデルにおいて患者の生存を高い正確性で予測できるか？
• RQ3 TILsセグメンテーション／検出および生存予測の両分野において、TiGERチャレンジのベンチマークと比較して、本手法のパフォーマンスはどのように評価されるか？
• RQ4 本パイプラインは、小規模なROIと大規模な全スライド画像の両方を一貫した性能で処理できるか？
• RQ5 本手法は、チャレンジの予備テストセットにおけるパフォーマンスから、未観測データへの一般化能力をどの程度有しているか？

主な発見

• L1予備テストセットにおいて、セグメンテーションモデルは腫瘍対ストーマの加重Diceスコアが0.791を達成し、腫瘍およびストーマ領域の区別において優れた性能を示した。
• L1予備テストセットにおいて、TILs検出モデルはFROCスコアが0.572を達成し、リンパ球の局所化が効果的に行われたことを示した。
• L2予備テストセットにおいて、TILsスコアリングパイプラインは生存予測のC-indexが0.719を達成し、チャレンジの他の参加者を上回った。
• 本手法はTiGERチャレンジのL1およびL2両方の予備リーダーボードで1位を獲得し、その頑健さおよび一般化能力を確認した。
• パイプラインは5分割交差検証を用いて検証され、セグメンテーションモデルは腫瘍に対してDiceスコア0.762、ストーマに対して0.718を達成し、検出F1スコアは0.702であった。
• WSITILsデータセットにおける予測スコアと真値TILsスコアのピアソン相関係数は0.744であり、手動評価と強い一致を示した。