Αφηρημένο

Ιστορικό

Στόχος μας ήταν να αναπτύξει και να επικυρώσει μια πολυ-λειτουργία πυρηνικών βαθμολογία με βάση την ανάλυση της εικόνας της χρώσης απευθείας DNA, και για τη δοκιμή σύνδεσης του με εφέ πεδίου και μετέπειτα ανίχνευση του καρκίνου του προστάτη (PCA) σε καλοήθη βιοψίες.

Μέθοδοι

τομές ιστού από 39 προστατεκτομές βαμμένους κατά Γθυΐσθη και ψηφιακά σαρώνεται (400 Χ), παρέχοντας χάρτες περιεχόμενο DNA ανά pixel. Προστάτη και καλοήθη επιθηλιακά πυρήνες επιλέχθηκαν τυχαία για τη μέτρηση των 52 βασικών χαρακτηριστικών μορφομετρικών. Μοντέλα λογιστικής παλινδρόμησης διάκριση καλοήθων από προστάτη πυρήνες, και καλοήθεις από τις κακοήθεις πυρηνική πληθυσμούς, χτίστηκαν και cross-επικυρωμένη από την AUC ανάλυση. Πυρηνική πληθυσμοί τυχαία συλλέγονται & lt? 1 mm ή & gt? 5 mm από εστίες καρκίνου, και από τον καρκίνο χωρίς προστάτες, HGPIN και προστάτη Gleason βαθμού 3-5. Πυρήνες επίσης συλλέχθηκαν από αρνητική βιοψία άτομα που είχαν μια επόμενη διάγνωση της ΣΕΣΣ και ίδιας ηλικίας χωρίς καρκίνο ελέγχους (20 ζεύγη).

Αποτελέσματα

Ένα πολυ-λειτουργία πυρηνικών βαθμολογία διακρίσεις καρκίνου από καλοήθης κυτταρικών πληθυσμών με AUCs των 0,91 και 0,79, αντίστοιχα, στην εκπαίδευση και την επικύρωση σύνολα ασθενών. Σε δείγματα προστατεκτομή, δύο πυρηνικά και σε επίπεδο πληθυσμού μοντέλα αποκάλυψε τον καρκίνο-όπως χαρακτηριστικά σε καλοήθεις πυρήνες δίπλα στο προστάτη, σε σχέση με πυρήνες που ήταν πιο μακριά ή από το PCA-δωρεάν αδένες. Σε αρνητικό βιοψίες, ένα επικυρωμένο μοντέλο με 5 διακύμανση χαρακτηριστικά απέδωσε σημαντικά υψηλότερες βαθμολογίες σε περιπτώσεις από τους ελέγχους (

P

= 0,026).

Συμπεράσματα

Ένα multifeature βαθμολογία πυρηνική μορφομετρικών, που λαμβάνεται με αυτοματοποιημένη ψηφιακή ανάλυση, ελέγχθηκε για την διάκριση των καλοήθων από πυρήνες καρκίνο. Η βαθμολογία αυτή αποδεικνύεται επιδράσεις τομέα σε καλοήθη επιθηλιακά πυρήνες σε διάφορες απόσταση από προστάτη βλάβες, και συνδέθηκε με επακόλουθη ανίχνευση PCA σε αρνητικές βιοψίες.

Αντίκτυπος

Αυτή η πυρηνική βαθμολογία δείχνει υπόσχεση ως προγνωστικός δείκτης του κινδύνου μεταξύ των άνδρες με αρνητικές βιοψίες και ως ενδιάμεσο βιοδείκτη στη φάση ΙΙ δοκιμές χημειοπροφύλαξη. Τα αποτελέσματα δείχνουν επίσης ότι subvisual διαταραχές στην πυρηνική δομή προηγείται της ανάπτυξης της προ-νεοπλασματικές αλλοιώσεις

Παράθεση:. Gann PH, Deaton R, Amatya Α, Mohnani Μ, Rueter EE, Yang Y, et al. (2013) Ανάπτυξη ενός Υπογραφή Πυρηνικής Μορφομετρική για καρκίνο του προστάτη Κινδύνου Αρνητική βιοψίες. PLoS ONE 8 (7): e69457. doi: 10.1371 /journal.pone.0069457

Επιμέλεια: Konradin Metze, Πανεπιστήμιο Camp’nas, Βραζιλία

Ελήφθη: 12η, Δεκεμβρίου του 2012? Αποδεκτές: 9, Ιουνίου του 2013? Δημοσιεύθηκε: 26 Ιουλ 2013

Copyright: © 2013 Gann et al. Αυτό είναι ένα άρθρο ανοικτής πρόσβασης διανέμεται υπό τους όρους της άδειας χρήσης Creative Commons Attribution, το οποίο επιτρέπει απεριόριστη χρήση, τη διανομή και την αναπαραγωγή σε οποιοδήποτε μέσο, ​​με την προϋπόθεση το αρχικό συγγραφέα και την πηγή πιστώνονται

Χρηματοδότηση:. Υποστηρίζεται από επιχορηγήσεων από τα Εθνικά Ινστιτούτα Υγείας /National Cancer Institute RO1 CA155301 και RO1 CA90759. Οι χρηματοδότες δεν είχε κανένα ρόλο στο σχεδιασμό της μελέτης, τη συλλογή και ανάλυση των δεδομένων, η απόφαση για τη δημοσίευση, ή την προετοιμασία του χειρογράφου

Αντικρουόμενα συμφέροντα:.. Οι συγγραφείς έχουν δηλώσει ότι δεν υπάρχουν ανταγωνιστικά συμφέροντα

Εισαγωγή

Ανεπαίσθητες μεταβολές στην πυρηνική σχήμα, μέγεθος και υφή προηγούνται της ιστολογική αναγνώριση του καρκίνου του προστάτη (PCA) και έτσι θα μπορούσε να αποτελέσει ένα χρήσιμο βιοδείκτη που δείχνει ένα πεδίο με υψηλού κινδύνου καλοήθη ιστό. Πράγματι, η πυρηνική διεύρυνση, παρατυπία, υπερχρωμασία και ανάδειξη του πυρηνίσκοι είναι από τα χαρακτηριστικά που χρησιμοποιούνται από παθολόγους να διακρίνει υψηλού βαθμού προστατική ενδοεπιθηλιακή νεοπλασία (HGPIN), το πιο ευρέως αναγνωρισμένη προκαρκινικών αλλοιώσεων για την PCA. Περισσότερα από 25 χρόνια πριν, οι ερευνητές με υπόβαθρο στην οπτική της επιστήμης και της πληροφορικής άρχισαν να χρησιμοποιούν τεχνικές ψηφιακής απεικόνισης σε μια προσπάθεια να υπερβούμε τα όρια του ανθρώπινου ματιού και του εγκεφάλου για την αναγνώριση και ποσοτικοποίηση οπτικά μοτίβα σε πυρήνες κάτω από το μικροσκόπιο [1]. Αυτές οι προσπάθειες κατέληξαν σε ορόσημο όταν ψηφιακής απεικόνισης ενσωματώθηκε στο πρότυπο φροντίδας για κυτταρολογική αξιολόγηση του τραχήλου της μήτρας προσυμπτωματικό έλεγχο του καρκίνου. Ωστόσο, παρά τις πολυάριθμες εκθέσεις της επιτυχίας χρησιμοποιώντας μια ποικιλία προσεγγίσεων και εντυπωσιακές βελτιώσεις τόσο υλικού και λογισμικού, με τη βοήθεια υπολογιστή πυρηνική μορφομετρία εξακολουθεί να έχει άφθονο ανεκμετάλλευτο δυναμικό για την ανακάλυψη χρήσιμων βιοδεικτών σε προστάτη της έρευνας [2], [3]. Veltri, et al. δημοσίευσε πρόσφατα μια εξαιρετική επισκόπηση περιλαμβάνει την ιστορία και την εξέλιξη του εν λόγω τομέα [4].

Στην παρούσα εργασία θα επικεντρωθεί στην ποσοτικοποίηση των προτύπων πυρηνικής DNA ως βιοδείκτη για το πρώιμο στάδιο της προ-νεοπλασματικών αλλαγή στην καλοήθη προστατική επιθήλιο, ένα στάδιο που σχετίζεται με επιδράσεις πεδίο ή πεδίο σχηματισμός καρκίνου [5], [6]. Επικύρωση μιας τέτοιας βιοδείκτη θα μπορούσε να οδηγήσει σε δύο κλινικές και ερευνητικές εφαρμογές. Κλινικά, μια μορφομετρικών προφίλ θα μπορούσε να χρησιμοποιηθεί για να προβλέψει την παρουσία του καρκίνου σε άλλα μέρη του αδένα σε αρνητικό βιοψίες, και έτσι να ενημερώσουν τις αποφάσεις σχετικά με την παρακολούθηση και την ανάγκη για επανάληψη της βιοψίας. PCA είναι η μόνη κοινή μορφή καρκίνου που συνήθως διαγιγνώσκεται με τυχαία βιοψία βελόνας, λόγω της χρήσης ενός τεστ ορού (PSA) ως κύριος δείκτης για βιοψία και την απουσία οποιασδήποτε μεθόδου απεικόνισης για την απεικόνιση βλαβών. Ως αποτέλεσμα, το 70-75% της αρχικής βιοψίες είναι αρνητικά και οι κλινικοί ιατροί δεν έχουν καθοριστεί βάση για την προσαρμογή παρακολούθηση και φροντίδα, οι οποίες θα μπορούσαν να περιλαμβάνουν την παρακολούθηση του PSA και επαναλάβετε βιοψία. Από την άποψη της εφαρμογής της έρευνας, επικυρωμένη προφίλ πυρηνική μορφομετρικών θα μπορούσε να χρησιμεύσει ως ένα ενδιάμεσο τελικό σημείο βιοδείκτη για μελέτες πρόληψης της φάσης ΙΙ, βοηθώντας στον εντοπισμό των καλύτερων υποψήφιων παρεμβάσεις για τη δοκιμή σε χρονοβόρες και δαπανηρές μελέτες Φάσης ΙΙΙ.

συναρμολογηθεί ένα διεπιστημονική ομάδα που περιλάμβανε παθολόγους, επιδημιολόγους, bioengineers, ειδικοί ηλεκτρονικών υπολογιστών και στατιστικολόγους να αναπτύξουν μια προσέγγιση που θα πληρούν δύο βασικές προϋποθέσεις: 1) χρήση του ευρέως διαθέσιμες πλατφόρμες για την απόκτηση εικόνας και την ανάπτυξη αλγορίθμου, και 2) τη συστηματική επικύρωση. Στην έκθεση αυτή περιγράφουμε την ανάπτυξη ενός συνεχούς, multi-λειτουργία πυρηνικών βαθμολογίας με βάση pixel-by-pixel χαρτογράφηση της χρώσης Feulgen DNA που κάνει διακρίσεις με ακρίβεια τον καρκίνο και κανονικούς πληθυσμούς κυττάρων στον ιστό του προστάτη και ορίζει ένα φαινόμενο πεδίου σε καλοήθεις περιοχές υψηλού κινδύνου.

Μέθοδοι

δήλωση Ηθικής

το έργο εξετάστηκε και εγκρίθηκε από το Διοικητικό συμβούλιο αναθεώρηση Θεσμικών στο Πανεπιστήμιο του Ιλινόις στο Σικάγο. δείγματα ιστού ελήφθησαν στο πλαίσιο ενός IRB-εγκεκριμένη παραίτηση της συναίνεσης που ισχύουν για de-εντοπίστηκαν δείγματα του υπολειμματικού ιστού δεν απαιτούνται για κλινικούς σκοπούς. Οι διαδικασίες αυτές ήταν σε συμμόρφωση με τις διατάξεις προστασίας της ιδιωτικής ζωής της Ασφάλισης Υγείας Φορητότητα και Accountability Act (HIPAA) του 1996. Οι συγγραφείς είναι ανοικτές σε συνεργασία περιλαμβάνει την ανταλλαγή των δεδομένων αποχαρακτηριστούν, υπό την προϋπόθεση ότι όλες οι τοπικές IRB απαιτήσεις έχουν εκπληρωθεί.

επιλογή του δείγματος

ιστών για την κατασκευή του μοντέλου και την επικύρωση

συναρμολογούνται δύο συλλογές, από τις ξεχωριστές νοσοκομεία, μπλοκ ιστών από ασθενείς ριζική προστατεκτομή με προστάτη. Η πρώτη σειρά, η οποία ήταν η εκμάθηση οριστεί για την ανάπτυξη μοντέλων για τη διάκριση καρκίνου από καλοήθεις πυρήνες, περιελάμβανε 20 ασθενείς και το δεύτερο σετ, το οποίο χρησιμοποιείται για την εξωτερική επικύρωση, περιλαμβάνονται 11 ασθενείς. Μεταξύ των 31 προστατεκτομή ασθενείς, 11 είχαν καρκίνους με Gleason άθροισμα βαθμό 6, 10 με Gleason 7 και 10 με Gleason βαθμούς 8-9. Όλα τα τμήματα ιστού από 8 ασθενείς που υποβλήθηκαν σε cystoprostatectomy για τον καρκίνο της ουροδόχου κύστης ήταν επίσης πρόσβαση. Αυτά τα πλήρως ενσωματωμένα προστάτες ήταν άνευ προστάτη σε σειριακές τομές σε διαστήματα 3 mm και χρησιμοποιήθηκαν για να παρέχουν «υπερφυσικές» καλοήθη προστάτη.

Feulgen χρώση

τμήματα ιστών πάχους 4μ τοποθετήθηκαν σε σιλανοποιημένη γυαλί διαφάνειες και σημάνθηκαν σύμφωνα με τη Γαλάζια Feulgen χρώσης Kit (ScyTek Laboratories, Logan, UT). Αυτό λεκέ χρησιμοποιεί την αντίδραση Feulgen να δεσμεύονται άμεσα βαφή σε ομάδες αλδεϋδης στο DNA που εκτίθενται από κατεργασία με υδροχλωρικό οξύ. Η ποσότητα του χρώματος που αναπτύσσεται είναι ευθέως ανάλογη προς την ποσότητα του DNA στο χρωματισμένο πυρήνα? ο λεκές έχει επικυρωθεί για πλοειδίας ανάλυση. Διαδοχικές τομές βάφτηκαν με αιματοξυλίνη και εοσίνη, έτσι ώστε το κλειδί ιστολογική διαμερίσματα μπορούν να αναγνωρίζονται εύκολα στις διαφάνειες Feulgen μονόχρωμο. Δίπλα τομές από ένα μόνο δείγμα προστατεκτομή συμπεριλήφθηκαν σε κάθε παρτίδα και η μέση ένταση πυρηνική χρώση παρακολουθήθηκε για να ανιχνεύσει υπερβολική διακύμανση μεταξύ παρτίδων. Μερικές μελέτες πυρηνικής μορφομετρία έχουν χρησιμοποιήσει το αιματοξυλίνη πιο ρουτίνα και ηωσίνη (Η & amp? Ε) λεκέ και όχι Feulgen λεκέ. Παρά το γεγονός ότι ο λεκές Feulgen είναι λιγότερο εξοικειωμένοι και κάπως πιο πολύπλοκες για να εκτελέσει, πιστεύουμε ότι έχει το σημαντικό πλεονέκτημα ότι είναι περίπου στοιχειομετρική για το DNA, ενώ στις δομές χρωματίστηκαν με Η &? Ε είναι μη ειδικές. Επιπλέον, διαπιστώνουμε ότι ο λεκές Feulgen είναι πιο εύκολο να αναπαραχθούν σε πολλές παρτίδες δειγμάτων.

Απόκτηση εικόνας και την επεξεργασία

Διαφάνειες σαρώθηκαν στα 400 × σε Aperio ScanScope® CS ολόκληρο το slide ψηφιακό μικροσκόπιο (Aperio Inc., Vista, CA). Ολόκληρο εικόνες διαφανειών αποκτήθηκαν χρησιμοποιώντας συμπίεση JPEG 2000 με τον παράγοντα της ποιότητας που σε Q80 (απώλεια 20% από την πρώτη εικόνα). Ένα ψηφιακό εργαλείο κλήρωση χρησιμοποιήθηκε για την προστατεκτομή διαφάνειες για να οριοθετεί περιοχές του προστάτη με Gleason βαθμό, HGPIN και καλοήθεις περιοχές εντός 1 mm ή & gt? 5 mm από την εστίαση του καρκίνου. Μεγάλες σαρωθεί τομείς χωρίστηκαν σε μικρότερα αρχεία υπο-εικόνας (συμπίεση JPEG, συντελεστής ποιότητας 80) χρησιμοποιώντας τη λειτουργία snapshot Generator στο λογισμικό Aperio Spectrum® διαχείρισης εικόνας? Αυτά τα υπο-εικόνα αρχεία εξήχθησαν στην MATLAB® (MathWorks, Inc., Natick, ΜΑ) για την επεξεργασία των παρτίδων. Η παρτίδα επεξεργασία αρχείων υπο-εικόνας ήταν 752 × 752 pixels σε μέγεθος (pixel size = 0.25μ

2, περίπου 400-600 pixels ανά πυρήνα), το οποίο ήταν ένα διαχειρίσιμο μέγεθος για επεξεργασία. TIFF αρχεία μη συμπιεσμένη εικόνα που παράγεται περίπου 900-1000 pixels ανά πυρήνα? Ωστόσο, οι απαιτήσεις χώρου μνήμης και απόδοσης αυξήθηκαν σημαντικά.

Προσαρμοσμένη ρουτίνες στο Matlab χρησιμοποιήθηκαν για τον εντοπισμό pixels που περιέχουν DNA και με το τμήμα ατομικών πυρήνων με τη χρήση χρωμάτων με βάση το K-means clustering και της λεκάνης απορροής αλγορίθμων. Για τις μελέτες που αναφέρονται εδώ, κατά διαστήματα πυρήνες με το χέρι επιλεγεί για μορφομετρική συλλογή δυνατότητα χρησιμοποιώντας ένα γραφικό περιβάλλον. Τμηματοποίηση και πυρηνική επιλογή πραγματοποιήθηκε σε διάφορα στάδια. Πρώτον, κάθε 752 × 752 pixel υπο-εικόνας φορτώθηκε σε Matlab. Στη συνέχεια, κάθε εικόνα έχει μετατραπεί από RGB σε CIELAB (L * a * b *) χρωματικό (Διεθνής Επιτροπή Φωτισμού, https://cie.co.at), των οποίων οι τρεις άξονες αντιπροσωπεύουν ελαφρότητα αξίας (L *), θέση για το κόκκινο-πράσινο φάσμα (α *), και τη θέση της κίτρινο-μπλε φάσμα (b *). Αυτό μειώνει τον αριθμό των διαστάσεων χρώματος από τρεις σε RGB σε δύο, το ελάχιστο που απαιτείται για τις εικόνες δύο-χρώμα λευκό και μπλε Feulgen. Στη συνέχεια, ένα K-means clustering αλγόριθμο βασισμένο στην Ευκλείδεια απόσταση χρησιμοποιήθηκε για να χαρακτηρίσει κάθε pixel όπως το μπλε (DNA), θετικές ή λευκό. Οι αρχικές εισόδους για K-means clustering μπορεί να επηρεάσει την έξοδο? ως εκ τούτου, η αρχική L * a * b συντεταγμένες που βασίζονται σε πυρήνες της καλής ποιότητας εικόνας, όπως επιλέγονται από έναν παθολόγο. Marker ελεγχόμενη κατάτμηση της λεκάνης απορροής βασισμένο σε εικόνες γκρι κλίμακας υλοποιήθηκε σε Matlab για να καθορίσει τις διάφορες πυρηνική όρια (https://www.mathworks.com/products/demos/image/watershed/ipexwatershed.html). Αυτή η προσέγγιση αποφεύγει υπερ-τμηματοποίησης με τη σήμανση μακροοικονομικών μεγεθών των έντονων pixels εντός των πυρήνων και των pixels φόντο εκτός των πυρήνων.

Ένας εκπαιδευμένος τεχνικός παρουσιάστηκε με μια σειρά από subimages με τμηματικές πυρήνες σε μια οθόνη υπολογιστή και το ποντίκι-κλικ στο κάθε καλά διαστήματα πυρήνα μετά από επαλήθευση των επιθηλιακών θέση, στέλνοντας έτσι μορφομετρικών δεδομένων του σε ένα υπολογιστικό φύλλο Excel. Τα περισσότερα σφάλματα κατάτμησης οφείλονταν σε υπερβολικά υψηλή ή χαμηλή κατάτμηση συγκινητικό ή επικάλυψη πυρήνων? μεταξύ των επιλεγμένων πυρήνες βρήκαμε καμία συσχέτιση μεταξύ της πυρηνικής χαρακτηριστικά και η εγγύτητα με άλλους πυρήνες, και ως εκ τούτου πιστεύουμε ότι αυτή η διαδικασία ήταν σχετικά αμερόληπτες. Ένα ψηφιακό μετρητή ενημέρωσε τον τεχνικό όταν συνολικά 200 επιθηλιακών πυρήνες, από ένα ευρύ φάσμα subimages, είχε επιλεγεί από κάθε ολόκληρης της περιοχής τμήμα των τόκων ή βιοψία. Ένα σύνολο 52 βασικών μεταβλητών (βλέπε πίνακα S1) συλλέχθηκαν για κάθε πυρήνα που αντικατοπτρίζει το μέγεθος, το σχήμα και τα χαρακτηριστικά DNA υφή? πιο λεπτομερείς περιγραφές πολλών από αυτές τις λειτουργίες είναι διαθέσιμες στη βιβλιογραφία [7]. Ειδικά χαρακτηριστικά που κατέλαβε την πυρηνική περιοχές είτε με συμπυκνωμένη ή αραιή DNA ( «σταγόνες» και «τρύπες» στην εικόνα Feulgen) αναπτύχθηκαν με βάση τον εντοπισμό συνεχόμενων pixels με σημαντικές αποκλίσεις από τη μέση οπτική πυκνότητα (βλέπε πίνακα S2). Άλλοι τύποι χαρακτηριστικών, συμπεριλαμβανομένων των φράκταλ χαρακτηριστικά, υπολογίζονται εύκολα, αλλά εμείς δεν τους χρησιμοποιείτε σε αυτή την ανάλυση. Πολλά χαρακτηριστικά σχετίζονται στενά μεταξύ τους και βρήκαμε ότι, σε γενικές γραμμές, την επέκταση της βιβλιοθήκης των χαρακτηριστικών αυξημένο χρόνο επεξεργασίας, χωρίς να βελτιώνει σημαντικά τα αποτελέσματά μας. Για να προσαρμόσετε για πιθανές διαφορές στη χρώση σε όλη παρτίδες και να αποκτήσουν κοινές μονάδες μέτρησης σε όλη χαρακτηριστικά, έχουμε z-μετασχηματιστεί κάθε τιμή χαρακτηριστικό αφαιρώντας την μέση τιμή και διαιρώντας με την τυπική απόκλιση του εν λόγω χαρακτηριστικό μεταξύ όλων των πυρήνων της παρτίδας.

Η στατιστική ανάλυση

Η ανάλυση επικεντρώνεται στην ανάπτυξη δύο ειδών μοντέλα: ένα για τη διάκριση μεμονωμένων πυρήνων καρκίνου από καλοήθεις πυρήνες, και το άλλο για τη διάκριση των πληθυσμών των πυρήνων του καρκίνου από καλοήθεις πληθυσμούς. Αυτά τα μοντέλα απέδωσε την πολυμεταβλητή βαθμολογίες που επισημαίνονται ως MFS

n (βαθμολογία multifeature, πυρηνική ενέργεια) και της MFS

p (βαθμολογία multifeature, πληθυσμός) – που αντιστοιχούν σε πυρηνικά και τα αποτελέσματα σε επίπεδο πληθυσμού, αντίστοιχα. Χρησιμοποιώντας δεδομένα από περίπου 8.000 πυρήνες που λαμβάνονται από σχολιασμένη προστάτη και καλοήθη περιοχές στο σύνολο εκμάθησης των 20 δειγμάτων RP, κατασκευάσαμε μοντέλα λογιστικής παλινδρόμησης για τη διάκριση πυρήνων του καρκίνου (όλων των τάξεων Gleason) από καλοήθεις πυρήνες τουλάχιστον 5 mm από την εστίαση του καρκίνου. Συγκρίναμε διάφορες προσεγγίσεις για τη δημιουργία διακρίσεις πολυμεταβλητών μοντέλων, συμπεριλαμβανομένων γραμμική διακριτική ανάλυση, λογιστική παλινδρόμηση, Support Vector Machines και νευρωνικών δικτύων και διαπίστωσε, σε συμφωνία με τις προηγούμενες δημοσιευμένες εργασίες, ότι λογιστικής παλινδρόμησης ήταν τόσο καλό ή καλύτερο από ό, τι άλλες προσεγγίσεις [8]. επιλέχθηκαν οι μεταβλητές για συμπερίληψη στα μοντέλα λογιστικής με βάση τα πίσω αποβολής με κριτήριο ένταξης των

P

& lt? 0,05. Όπως ήταν αναμενόμενο, μερικές μεταβλητές συσχετίζονται σε μεγάλο βαθμό, αλλά υπάρχουν μοντέλα απέτυχαν να συγκλίνουν λόγω πολυσυγγραμμικότητα. Η στατιστική C υπολογίστηκε ως η περιοχή κάτω από την καμπύλη (AUC) για τη διάκριση καρκίνου από καλοήθεις πυρήνες. Ένα λογιστικό μοντέλο με 27 διατηρούνται δυνατότητες που παρέχονται υψηλού AUC (0,93) σε μια ανεξάρτητη εξέταση δείγμα των καλοήθων και του καρκίνου πυρήνες που λαμβάνονται από τις 11 περιπτώσεις στο εξωτερικό σύνολο επικύρωσης RP. Χρησιμοποιήσαμε τα δύο-δείγμα Kolmogorov-Smirnov στατιστική σύγκριση της κατανομής για MFS

ν βαθμολογίες μεταξύ πυρηνικών πληθυσμών δείγμα από διάφορες ιστολογικές διαμερίσματα στο σύνολο 20 RP, καθώς και καλοήθεις περιοχές από τις 8 περιπτώσεις προστατεκτομή χωρίς σημαντική προστάτη (δηλαδή, «υπερφυσικές» πυρήνες).

Χρησιμοποιήσαμε δύο προσεγγίσεις για την κατασκευή μοντέλων για MFS

p. Στην πρώτη προσέγγιση, η οποία θα ονομάζεται ένα δύο-βήμα MFS

p, υπολογίσαμε την MFS

n για κάθε πυρήνα και στη συνέχεια υπολογίζεται μέχρι τη στιγμή τέταρτη σειρά (μέση τιμή, τυπική απόκλιση, ασυμμετρία και κύρτωση) της MFS

n διανομής για τον πληθυσμό των πυρήνων που λαμβάνονται από κάθε δείγμα ιστού (καλοήθεις ή κακοήθεις). Αυτές οι τέσσερις περίληψη μεταβλητές χρησιμοποιήθηκαν στη συνέχεια ως προγνωστικοί παράγοντες σε μοντέλα λογιστικής παλινδρόμησης για τη διάκριση της καλοήθους εναντίον κακοήθων πληθυσμών και την εντοιχισμένη πιθανότητα από το μοντέλο λογιστικής με ένα δεδομένο σύνολο συμεταβλητές ορίστηκε ως η MFS

p. Εμείς που προέρχονται ενός σταδίου MFS

p υπολογίζοντας τη μέση, τυπική απόκλιση, ασυμμετρία και κύρτωση για κάθε πυρηνικό χαρακτηριστικό από κάθε δείγμα ιστού, αποδίδοντας συνολικά 208 πιθανούς προγνωστικούς παράγοντες (τέσσερις φορές 52 βασικά χαρακτηριστικά). Στη συνέχεια χρησιμοποιούνται είτε προς τα πίσω εξάλειψη ή καλύτερα υποσύνολο λογιστική παλινδρόμηση στον πληθυσμό της κατάρτισης των 28 ασθενών για να επιλέξετε ένα μειωμένο σύνολο των προγνωστικών για τη διάκριση καρκίνου από καλοήθεις πυρηνική πληθυσμούς. Στην καλύτερη-υποσύνολο προσέγγιση, οι κορυφαίες 50 συνδυασμοί των συνόλων προγνωστικό με έως και πέντε μεταβλητές κατατάσσονται με βάση το κριτήριο της πλατείας chi αναλογία πιθανότητας. Για κάθε ένα από αυτούς τους συνδυασμούς υπολογίσαμε την άδεια-one-out διασταυρούμενης επικύρωσης AUC στο σύνολο εκπαίδευσης των δειγμάτων, και το μοντέλο με την υψηλότερη AUC επιλέχθηκε ως το τελικό μοντέλο. Τα τελικά βάρη παλινδρόμησης για κάθε προγνωστικό υπολογίστηκαν ως ο μέσος συντελεστής από όλες τις 28 δοκιμές στο σύνολο εκπαίδευσης. Τα τελικά μοντέλα που επιλέχθηκαν στην αναπτυξιακή διαδικασία στη συνέχεια εξετάστηκαν στο ανεξάρτητο σύνολο επικύρωσης που περιελάμβανε 11 ριζική προστατεκτομή δείγματα. όρια εμπιστοσύνης για AUC (επίπεδο 95%) υπολογίστηκαν χρησιμοποιώντας μη παραμετρική προσέγγιση που εκμεταλλεύεται τις ιδιότητες της στατιστικής Mann-Whitney [9]. Όλες οι στατιστικές αναλύσεις πραγματοποιήθηκαν με τη χρήση SAS-PC, έκδοση 9.1 (SAS, Inc., Cary, NC)

Εξωτερικές πιλοτική επικύρωση της μελέτης:. Σύγκριση περίπτωση ελέγχου των καλοηθών βιοψίες

Ως μια εξωτερική δοκιμή επικύρωσης, συγκρίναμε τους πληθυσμούς της καλοήθους πυρήνων που λαμβάνονται από αρνητικό βιοψίες προστάτη στην οποία ο ασθενής βρέθηκε να έχει PCa τουλάχιστον δύο χρόνια αργότερα (περιπτώσεις, n = 20) και η καλοήθης πυρήνες από αρνητικές βιοψίες ασθενών που παρέμειναν χωρίς καρκίνο (έλεγχοι , n = 20). Περιπτώσεις και έλεγχοι συμφωνημένα στην ηλικία και την ημερομηνία της βιοψίας δείκτη? Όλα τα υποκείμενα ήταν ασθενείς στο Jesse Μπράουν Veterans Administration Medical Center στο Σικάγο. Επιλέξιμοι έλεγχοι είχαν τουλάχιστον δύο αρνητικά βιοψίες μετά τη βιοψία δείκτη, δεν PSA & gt? 10 ng /ml, και χωρίς ιστορικό αντι-ορμονική θεραπεία, συμπεριλαμβανομένων των αναστολέων της 5α-αναγωγάσης. Εμείς βαμμένους κατά Γθυΐσθη την αρνητική βιοψία ιστού και δείκτη λαμβάνεται χαρακτηριστικά πυρηνικών μορφομετρικών όπως περιγράφεται παραπάνω. Στη συνέχεια υπολογίζεται τοποθετηθεί MFS

p βαθμολογίες για κάθε θέμα, χρησιμοποιώντας τόσο την εξάλειψη προς τα πίσω και τα μοντέλα καλύτερα υποσύνολο προηγουμένως προέρχεται από τις διακρίσεις της καλοήθους και καρκινικού κυττάρου πληθυσμών στα δείγματα προστατεκτομή. Και για τα δύο μοντέλα, υπολογίσαμε τα όρια εμπιστοσύνης της AUC και 95% για τη διάκριση περιπτώσεων από τους ελέγχους, και εκτέλεσε ένα paired t-test για την αντιστοίχιση των δεδομένων.

Αποτελέσματα

Το σχήμα 1 απεικονίζει τη διαδικασία για την απόκτηση pixel-by-pixel χάρτες για κάθε πυρήνα με βάση την οπτική πυκνότητα που προέρχεται από το περιεχόμενο DNA. Ολόκληρες slide σαρωμένες εικόνες του βαμμένους κατά Γθυΐσθη πυρήνων σπάσει σε subimages (Σχήμα 1α) που το καθένα περιέχει περίπου 5.6K pixels. Η συνδεδεμένη δυαδική εικόνα, που δημιουργήθηκε από ομαδοποίηση κ-μέσων, δείχνεται στο Σχήμα 1β. Το σχήμα 1γ δείχνει το ίδιο υπο-εικόνας μετά την καμπή του κατακερματισμού και δείχνει πόσο καλά διαστήματα επιθηλιακά πυρήνες μπορούν να επιλεγούν για τη μέτρηση είτε χειροκίνητα ή αυτόματα. Εικόνα 1δ παρουσιάζει 3-διαστάσεων οικόπεδα των χαρτών pixel για πυρήνες από καλοήθη και καρκίνου περιοχές, αντίστοιχα.

Η

Το σχήμα 2 δείχνει τις σχετικές ιστογράμματα συχνότητας για ένα πυρηνικό επίπεδο βαθμολογίας multifeature (MFS

n) λαμβάνεται από πυρήνες σε διάφορες ιστολογικές διαμερισμάτων από 20 RP και 8 δείγματα cystoprostatectomy? κάθε διαμέρισμα αντιπροσωπεύεται από τουλάχιστον αρκετές εκατοντάδες πυρήνες. Το λογιστικό μοντέλο χρησιμοποιείται για την παραγωγή MFS

ν βαθμολογίες περιλαμβάνονται 27 πυρηνικά χαρακτηριστικά και βασίστηκε σε διάκριση μεταξύ τυχαίων πυρήνων του προστάτη και καλοήθη πυρήνες μακριά από καρκίνο (Κανονική Άπω) στις 20 περιπτώσεις RP. Η MFS

n, το οποίο είναι το αντι-συνδεδεμένοι logit από την λογιστικό μοντέλο, είναι ισοδύναμη με την πιθανότητα ότι ένας πυρήνας με ένα δεδομένο σύνολο τιμών χαρακτηριστικό είναι ένας πυρήνας ο καρκίνος, και ως εκ τούτου κυμαίνεται από 0 έως 1,0. Η κατανομή συχνοτήτων των MFS

n μετατοπίσεις προς τα αριστερά όπως ένας προχωρεί από Gleason 5 έως Gleason 3 έως HGPIN και συνεχίζει να μετατοπίσει προς τα αριστερά για πυρήνες που βρίσκονται κοντά ή μακριά από την εστίαση του καρκίνου, ή λαμβάνονται από καρκίνο χωρίς προστάτες (υπερφυσικές). Οι κατανομές συχνοτήτων για Κανονική Άπω πυρήνες (& gt? 5 mm από την εστίαση PCA) είναι σημαντικά διαφορετική από τις δύο άλλες καλοήθεις τύπους πυρήνων (Kolmogorov-Smirnov D στατιστική

P

& lt? 0,0001)

.

Εξοπλισμένα βαθμολογίες multifeature δημιουργήθηκαν για κάθε πυρήνα από ένα μοντέλο λογιστικής παλινδρόμησης συγκρίνοντας τους πυρήνες του καρκίνου σε κανονική-πολύ πυρήνες (& gt? 5 mm από την εστίαση του καρκίνου) από 20 δείγματα προστατεκτομή, με 27 συμμεταβλητή χαρακτηριστικά που επιλέγονται από τα πίσω αποβολή. Βαθμολογίες υπολογίστηκαν για τους πληθυσμούς των πυρήνων που λαμβάνονται από συγκεκριμένες ιστολογικές διαμερίσματα σε 20 RP και 8 cystoprostatectomy δείγματα. Οι κατανομές συχνοτήτων για κανονική-πολύ πυρήνες είναι σημαντικά διαφορετικό από κάθε άλλο καλοήθη τύπο (Στατιστική & lt Kolmogorov-Smirnov D? 0.0001).

Η

Τυπικές κατανομές συχνότητας της MFS

ν για τους πληθυσμούς των καλοηθών και Οι πυρήνες προστάτη από τον ίδιο ασθενή που φαίνεται στο αντιπαράθεση στο Σχήμα 3. Οι τιμές για πυρήνες καρκίνο γενικά μετατοπίζεται προς τα δεξιά, αλλά είναι επίσης σαφές ότι η διακύμανση στην βαθμολογία είναι μεγαλύτερη για τον καρκίνο σε σύγκριση με καλοήθη πυρήνες. λογιστικών μοντέλων σε επίπεδο πληθυσμού μας επιτρέπουν να εκμεταλλευτούν αυτό το χαρακτηριστικό διακύμανση διάκριση καρκινικών από καλοήθεις ομάδες των πυρήνων. Το Σχήμα 4 δείχνει Boxplots για MFS

ρ από δύο στάδια μοντέλα με δύο μόνο συμπαράγοντες: η μέση και τυπική απόκλιση MFS

n για κάθε δεδομένο πληθυσμό των πυρήνων. Δεδομένων των Boxplots προέρχονται από τα 20 θέματα RP συν το 8 με cystoprostatectomy? οι μέσες MFS

p βαθμολογίες για τα 11 θέματα RP στο σύνολο επικύρωσης αντιπροσωπεύεται με αστερίσκους. Τα αποτελέσματα δείχνουν ότι η κανονική Κοντά πυρηνική πληθυσμοί είναι ενδιάμεσο μεταξύ Normal Άπω και τον καρκίνο, ότι υπερφυσικές πληθυσμοί έχουν χαμηλότερες βαθμολογίες από ό, τι Κανονική Μακριά, και ότι HGPIN πυρηνική πληθυσμοί είναι παρόμοια με τους πληθυσμούς του καρκίνου. Οι μέσες MFS

p βαθμολογίες για πυρήνες που λαμβάνονται από μια εξωτερική σύνολο επικύρωση των θεμάτων προστατεκτομή με προστάτη επιβεβαιώνουν την ίδια διαφορά μεταξύ Κοντά εναντίον Άπω πυρήνες και την ομοιότητα μεταξύ HGPIN και οι πυρήνες του προστάτη.

MFS

n οι βαθμολογίες μετατοπιστεί προς τα πάνω για πυρήνες καρκίνου όπως αναμενόταν? Ωστόσο, διακύμανσης για MFS

n είναι επίσης μεγαλύτερη μεταξύ των πυρήνων του καρκίνου, αντανακλώντας πλειομορφία.

Η

Η μέση MFS

Τα σ βαθμολογίες για τα πυρηνικά του πληθυσμού από τις 11 ρετροϊών επικύρωση παρουσιάζεται με αστερίσκους. Οι MFS

p βαθμολογίες ελήφθησαν από ένα μοντέλο λογιστικής παλινδρόμησης με μόνο δύο συμπαράγοντες: σημαίνει MFS

ν και τ.α. MFS

n. MFS

ν βαθμολογίες παρήχθησαν από ένα 27-συμμεταβλητή λογιστικό μοντέλο με χαρακτηριστικά που επιλέγονται από πίσω αποβολής.

Η

Ο Πίνακας 1 δείχνει τις AUCs για την εκπαίδευση και την επικύρωση που διάκρισης των καρκινικών κυττάρων από καλοήθεις κυτταρικούς πληθυσμούς στην δείγματα προστατεκτομή με τη χρήση δύο διαφορετικών μοντέλων για τον υπολογισμό MFS

p. Model A, το οποίο χρησιμοποιείται για μια συμβατική διαδικασία αποβολής του προς τα πίσω για να επιλέξετε τις πέντε καλύτερες συμπαράγοντες, είχε ένα σταυρό-επικύρωσης AUC = 0,87 στο σύνολο της κατάρτισης και της AUC = 0.83 στον ανεξάρτητο σύνολο επικύρωσης. Μοντέλο Β, που προέρχεται από τη σύγκριση όλων των πιθανών υποσύνολα με πέντε ή λιγότερες συμπαράγοντες που βασίζονται σε άδεια-one-out cross-επικύρωσης, είχε AUCs = 0,91 και 0,79 στα σύνολα εκπαίδευσης και επικύρωσης, αντίστοιχα. Τα επιλεγμένα χαρακτηριστικά και τυποποιημένων συντελεστών τους για την τελική πίσω εξάλειψη και καλύτερο υποσύνολο MFS

p μοντέλα (μοντέλα Α και Β, αντίστοιχα) φαίνεται στον συμπληρωματικό πίνακα S3.

Η

Στη συνέχεια, σε σύγκριση με τους πληθυσμούς των πυρήνες από ζεύγη των αρνητικών βιοψιών όπου η υπόθεση υπόκειται στη συνέχεια είχε μια διάγνωση του προστάτη και ο έλεγχος παρέμεινε χωρίς καρκίνο. Πυρηνική πληθυσμοί από κάθε υποκείμενο ανατέθηκαν τοποθετηθεί MFS

p βαθμολογίες με βάση υπόδειγμα Α και το υπόδειγμα Β? έτσι αυτά τα μοντέλα αναπτύχθηκαν χρησιμοποιώντας εντελώς ανεξάρτητα σύνολα δειγμάτων από προστατεκτομών παρά βιοψίες. Τα αποτελέσματα της δοκιμής AUCs και αντιστοιχισμένο Τ παρουσιάζονται στον Πίνακα 2. Και τα δύο μοντέλα έδειξαν σημαντικές διαφορές μεταξύ των περιπτώσεων και των ελέγχων, με περιπτώσεις που έχουν μια πιο καρκίνου, όπως η πυρηνική μορφομετρικών υπογραφή.

Η

Συζήτηση

σε αυτή τη μελέτη, έχουμε αναπτύξει και να επικυρώσει μια πυρηνική βαθμολογία μορφομετρικών, με βάση την άμεση χρώση του DNA, που με ακρίβεια διάκριση καλοήθων από πυρήνες καρκίνο στον ιστό του προστάτη. Αυτή η βαθμολογία χαρακτηρίζει μια επίδραση πεδίου σε ιστολογικά καλοήθη επιθηλιακά πυρήνες σε διάφορες αποστάσεις από την εστίαση του καρκίνου, και σχετίζεται με επακόλουθη ανίχνευση του PCA σε ένα ανεξάρτητο σύνολο των αρνητικών βιοψιών. Είναι σημαντικό να σημειωθεί ότι οι ατομικές πυρηνική εικόνες ελήφθησαν με όλη την απεικόνιση διαφάνεια στα 400 ×. Έτσι, ήμασταν σε θέση να συλλάβει αποτελεσματικά ένα μεγάλο αριθμό επιθηλιακών πυρήνες από κάθε δείγμα ιστού με μεγέθυνση που επιτρέπει την σημαντική λεπτομέρεια όσον αφορά τα πυρηνικά μέγεθος, σχήμα και υφή DNA. Δεδομένης χάρτες pixel-επίπεδο που δείχνει την χωρική κατανομή του DNA εντός κάθε πυρήνα, είναι δυνατό να δημιουργήσει ένα σχεδόν απεριόριστο βιβλιοθήκη του μορφομετρικά χαρακτηριστικά. Στην προσέγγιση που παρουσιάζεται εδώ, αυτό αγνωστικιστής βιβλιοθήκη εξορύσσεται να καθορίσει μειωμένη σύνολα χαρακτηριστικών για τα μοντέλα που διακρίνει καλοήθη από κακοήθη κύτταρα. Με βάση την υπόθεση ότι υπάρχει ένα συνεχές στην εξέλιξη της πυρηνικής σχήμα και υφή κατά τη διάρκεια της καρκινογένεσης, τα προκύπτοντα πολυμεταβλητής βαθμολογίες παροχή συνεχούς δείκτη του «καρκίνος-κότητας» κάθε πυρήνα, και έτσι το συλλογικό «καρκίνος-κότητας» για κάθε πληθυσμός των πυρήνων. Σε γενικές γραμμές, τα καρκινικά σχετίζονται με τα χαρακτηριστικά που παρατηρούνται από την ψηφιακή ανάλυση είναι απλά subvisual επεκτάσεις των πυρηνικών αλλαγών που είναι καλά αναγνωρισμένες στο ανθρώπινο μάτι στο μικροσκόπιο: πυρήνες καρκίνος είναι κάπως μεγαλύτερα και έχουν μια πιο συσσωρευμένου ή ακανόνιστη κατανομή της χρωματίνης. Επιπλέον, όλα τα χαρακτηριστικά που περιλαμβάνονται στην πιο υψηλής ακρίβειας μοντέλο βρήκαμε είχαν σχέση με το βαθμό της διακύμανσης μεταξύ των πυρήνων, στηρίζοντας έτσι μακροχρόνια απόψεων μεταξύ των παθολόγων σχετικά με τη σημασία της πυρηνικής πλειομορφία στη διάγνωση του καρκίνου.

μας μελέτη βασίζεται πολυάριθμες προηγούμενες προσπάθειες που έχουν εφαρμοστεί ψηφιακή πυρηνική μορφομετρία σε ερωτήσεις που αφορούν τον κίνδυνο και την πρόγνωση του καρκίνου του μαστού [10], του τραχήλου της μήτρας [2], του στοματοφάρυγγα /πνεύμονα [11], του παχέος εντέρου [12], του δέρματος [13] και του προστάτη . Στον προστάτη, η πυρηνική μορφομετρία έχει αποδειχθεί για την ανίχνευση ανωμαλιών σε καλοήθη ιστό δίπλα στον καρκίνο και HGPIN [14], [15]. Τα δεδομένα μας έδειξαν περισσότερα στοιχεία ενός φαινοτύπου του καρκίνου σε πυρήνες εντός 1 mm από νεοπλασματική αλλοίωση, σε σύγκριση με εκείνες τουλάχιστον 5 mm μακρινό? Ωστόσο, νωρίτερα στοιχεία δείχνουν ότι αυτές οι ανωμαλίες μπορεί να επεκταθεί έως και 10 mm από τα σύνορα μιας βλάβης [16]. Mairinger και οι συνάδελφοι του φυσικώς εκχυλίζεται καλοήθους πυρήνες από εγκλεισμένο σε παραφίνη ιστό και, χρησιμοποιώντας βαμμένους κατά Γθυΐσθη παρασκευάσματα cytospin, ανέφεραν ότι ένας συνδυασμός των τριών χρωματίνης χαρακτηριστικά υφής θα μπορούσε διακρίσεις με ακρίβεια τις περιπτώσεις με προστάτη από εκείνους με μόνο ΚΥΠ [15]. Αξίζει να σημειωθεί ότι, δύο από αυτά τα τρία κορυφαία χαρακτηριστικά διακρίσεις αντανακλάται διακύμανση μεταξύ πυρήνα και όχι οι μέσες τιμές. Εκτός από την ύπαρξη ενός φαινομένου πεδίου σε καλοήθη ιστό, αρκετές μελέτες έχουν χρησιμοποιήσει την πυρηνική μορφομετρία του όγκου και όγκου-γειτονικά πυρήνες να διακρίνει υποομάδες ασθενών προστάτη ανάλογα με την πιθανότητα της εξέλιξης, ενώ σε ενεργό επιτήρηση, επανάληψη PSA, μετάσταση ή PCA-ειδικών θάνατος [17], [18], [19], [20], [21]. Για άλλη μια φορά, διακύμανση χαρακτηριστικά αντανακλά την αστάθεια διαδραματίσει εξέχοντα ρόλο σε αυτά τα μοντέλα, όπως κάνουν στα αποτελέσματα μας.

Οι βιολογικοί μηχανισμοί υπεύθυνοι για τις αλλαγές στην πυρηνική δομή που προκύπτουν πριν από την εμφάνιση των ιστολογικά αναγνωρίσιμο νεοπλασία δεν είναι καλά κατανοητές . Ωστόσο, αρκετές διαδικασίες θα μπορούσαν να εμπλέκονται. Πρώτον, η μετάβαση από χαλαρά ευχρωματίνη σε πιο συμπαγή ετεροχρωματίνη είναι ένας σημαντικός μηχανισμός για τη ρύθμιση της γονιδιακής έκφρασης που ελέγχεται σε κάποιο βαθμό από την ομοιοπολική τροποποίηση ουρές των ιστονών. Πρότυπα της παγκόσμιας τροποποίηση των ιστονών, με ακετυλίωση ή μεθυλίωση, είναι αναγνωρίσιμα σε προστάτη και έχουν συνδεθεί με την επιθετικότητα του όγκου [22], [23]. Mahmoud, et al παρατηρήθηκε μειωμένη παγκόσμια ακετυλίωση ιστόνης σε 3 λυσίνη 9 (H3K9ac) σε ΡΙΝ και PCa σύγκριση με ΒΡΗ ιστό, και περαιτέρω παρατηρούμενη ομοιότητες στην έκφραση H3K9ac ανάμεσα στο ΡΙΝ και φυσιολογικών κυττάρων βρίσκεται κοντά σε μια αλλοίωση PIN [24]. Υπάρχουν επίσης ενδείξεις ότι η ρ300, ένα μεταγραφικό συνενεργοποιητή υποδοχέα ανδρογόνων, μπορεί να αλλάξει η πυρηνική δομή στα κύτταρα του προστάτη μέσω της δραστηριότητάς της ως ακετυλοτρανσφεράση ιστόνης ή μέσω αποτελέσματά του στην έκφραση των πρωτεϊνών πυρηνικής μήτρας όπως λαμίνης Α και C [25] . Isharwal, et al. ανέφερε μια συσχέτιση μεταξύ των ειδικών χαρακτηριστικών της πυρηνικής μορφομετρικών και έκφραση p300 [26]. Παρατυπίες στον πυρηνικό φάκελο, συμπεριλαμβανομένων των περίπτυξη και αναχωρήσεις από ένα σφαιρικό σχήμα, είναι μια μακρά παρατηρούνται χαρακτηριστικό των κυττάρων του προστάτη, αλλά οι λόγοι για αυτή την παρατυπία και λειτουργική σημασία του είναι σε μεγάλο βαθμό άγνωστες [27]. Πρόσφατα στοιχεία δείχνουν ότι η έκφραση του ογκογονιδίου MYC παίζει σημαντικό ρόλο στη ρύθμιση πυρηνισκικός μέγεθος, το σχήμα και τον αριθμό στα πρώτα στάδια της καρκινογένεσης του προστάτη [28]. Ο ρόλος του μικροπεριβάλλοντος του όγκου και σηματοδότηση παρακρινή πρέπει επίσης να θεωρηθεί, δεδομένου ότι μια εντοπισμένη αντίδραση τραύμα μπορεί να προκαλέσει αλλαγμένη γονιδιακή έκφραση σε καλοήθεις στρώμα γειτονικό προς PCA βλάβες [29]. Αυτά τα αποτελέσματα στον τομέα των στρωματικών θα μπορούσε να προκαλέσει ανεπαίσθητες μορφολογικές αλλαγές σε καλοήθεις επιθήλια, συμπεριλαμβανομένων των αλλαγών που συνδέονται με επιθηλιακά-to-μεσεγχυματικά μετασχηματισμού [30].

Αυτή η μελέτη προσθέτει στον τομέα, εντοπίζοντας συστηματικά καρκίνο του προστάτη που σχετίζεται με την πυρηνική αλλαγές σε καλοήθεις επιθήλιο χρησιμοποιώντας ένα ευρέως διαθέσιμο ψηφιακή πλατφόρμα μικροσκόπιο. πλεονεκτήματά της περιλαμβάνουν την επικύρωση με ανεξάρτητη σύνολα ριζική προστατεκτομή δείγματα και cystoprostatectomy, καθώς και μια ανάλυση ασθενών-μαρτύρων σύγκριση αρνητικές βιοψίες από ασθενείς οι οποίοι είτε ήταν είτε δεν συνέχεια αντιμετωπίσετε μια διάγνωση του προστάτη. Λόγω του μεγάλου αριθμού των πιθανών προγνωστικών για το ένα βήμα MFS

p και τον σχετικά μικρό αριθμό ατόμων (28) στο σύνολο εκπαίδευσης μας, είναι απολύτως πιθανό ότι και άλλοι συνδυασμοί των χαρακτηριστικών θα μπορούσε να εκτελεστεί καλά ή και καλύτερα από εκείνα που στην τελική μας μοντέλο. Ως εκ τούτου, είναι σημαντικό να σημειωθεί ότι χρησιμοποιήσαμε μια προσέγγιση διασταυρωμένης επικύρωσης αποτελεσματική άδεια-one-out (παρόμοια με bootstrap αναδειγματοληψία) για να επιλέξετε τα μοντέλα και ότι ο στόχος μας δεν ήταν απαραίτητα για να βρει το απόλυτο καλύτερο μοντέλο, αλλά για να επικυρώσει επιλέξει τα μοντέλα μας ανεξάρτητα σύνολα εικόνων. Τα τελικά μοντέλα, τα οποία προήλθαν από προστατεκτομή δείγματα, βαθμολογίες όχι μόνο παράγονται κίνδυνος που συνδέεται με τον καρκίνο σε ανεξάρτητα δείγματα προστατεκτομή, αλλά έδειξαν επίσης μια ένωση με τον κίνδυνο καρκίνου σε δείγματα βιοψίας. Η τεχνική μας εξαιρούνται σκόπιμα βασικών επιθηλιακών πυρήνες, και αφέθηκε για αμερόληπτη επιλογή ενός μεγάλου αριθμού των κυτταρικών πυρήνων του αυλού από κάθε δείγμα.