[论文解读] Towards Unsupervised Cancer Subtyping: Predicting Prognosis Using A Histologic Visual Dictionary

Muhammad Hassan, Carlie Sigel+10 more|arXiv (Cornell University)|Mar 12, 2019

Cholangiocarcinoma and Gallbladder Cancer Studies参考文献 25被引用 10

一句话总结

本文提出一种无监督深度卷积自编码器模型，从肝内胆管癌（ICC）的全切片图像中学习组织学视觉词典，实现无需预先标注的肿瘤形态聚类。该方法识别出与无复发放存生存相关的三个预后簇，其中间质纤维化成为关键的形态学预测因子，展示了计算病理学在缺乏传统分级体系的罕见癌症分型中的潜力。

ABSTRACT

Unlike common cancers, such as those of the prostate and breast, tumor grading in rare cancers is difficult and largely undefined because of small sample sizes, the sheer volume of time needed to undertake on such a task, and the inherent difficulty of extracting human-observed patterns. One of the most challenging examples is intrahepatic cholangiocarcinoma (ICC), a primary liver cancer arising from the biliary system, for which there is well-recognized tumor heterogeneity and no grading paradigm or prognostic biomarkers. In this paper, we propose a new unsupervised deep convolutional autoencoder-based clustering model that groups together cellular and structural morphologies of tumor in 246 ICC digitized whole slides, based on visual similarity. From this visual dictionary of histologic patterns, we use the clusters as covariates to train Cox-proportional hazard survival models. In univariate analysis, three clusters were significantly associated with recurrence-free survival. Combinations of these clusters were significant in multivariate analysis. In a multivariate analysis of all clusters, five showed significance to recurrence-free survival, however the overall model was not measured to be significant. Finally, a pathologist assigned clinical terminology to the significant clusters in the visual dictionary and found evidence supporting the hypothesis that collagen-enriched fibrosis plays a role in disease severity. These results offer insight into the future of cancer subtyping and show that computational pathology can contribute to disease prognostication, especially in rare cancers.

研究动机与目标

• 为解决罕见癌症（如肝内胆管癌，ICC）中缺乏基于组织病理学的标准化分型和预后生物标志物的问题。
• 开发一种无监督深度学习框架，从数字化全切片图像中识别出具有生物学意义的形态学模式，无需人工标注。
• 评估基于视觉词典生成的聚类形态亚型是否可预测ICC的无复发放存生存。
• 将计算聚类结果转化为临床上可解释的组织病理学术语，以验证其生物学相关性。

提出的方法

• 在246张ICC全切片图像上训练深度卷积自编码器，以学习组织学模式的紧凑、分层特征表示。
• 对学习到的潜在表示应用k-means聚类，生成包含24个簇的视觉词典，代表不同的形态学表型。
• 将簇分配结果作为协变量，纳入单变量和多变量Cox比例风险模型，评估其与无复发放存生存的关联性。
• 由病理学家主导对显著簇进行解读，赋予临床术语并评估形态学特征。
• 使用似然比检验、Wald检验和对数秩检验评估模型的生存显著性。
• 通过半定量的瓦片级分析，量化各簇中主要和次要组织学特征（如肿瘤成分、间质、胶原）的分布。

实验结果

研究问题

• RQ1 无监督深度学习模型是否可在无预先标注或临床注释的情况下，识别ICC中具有生物学意义的形态亚型？
• RQ2 视觉词典所定义的哪些组织学模式与ICC的无复发放存生存显著相关？
• RQ3 显著簇的形态学特征是否可使用标准组织病理学术语进行解释，并与已知的生物学过程相关联？
• RQ4 肿瘤间质，特别是富含胶原的纤维化，是否表现出与预后相关的形态异质性？
• RQ5 计算视觉词典是否可作为缺乏既定分级系统的罕见癌症中开发预后模型的基础？

主要发现

• 在单变量Cox回归中，三个簇（0、11、13）与无复发放存生存显著相关，风险比分别为0.618***、0.515**和0.750*。
• 在多变量分析中，簇0、11和13的组合仍具显著性，完整模型的似然比检验p值为11.37***。
• 簇0以>50%实性肿瘤且核质比低为特征，与风险降低相关（HR = 0.618***），提示预后良好。
• 簇11以高间质含量和胶原沉积为特征，表现出强烈的保护效应（HR = 0.515**），提示纤维化间质可能与更好预后相关。
• 簇13同样富含间质和胶原，与风险降低相关（HR = 0.750*），进一步表明肿瘤微环境在预后中的作用。
• 病理学家评审确认，富含胶原的纤维化是两个显著簇的主要/次要特征，支持其在疾病严重程度和预后中的潜在作用。