CN114022472A - 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 - Google Patents
一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 Download PDFInfo
- Publication number
- CN114022472A CN114022472A CN202111362793.8A CN202111362793A CN114022472A CN 114022472 A CN114022472 A CN 114022472A CN 202111362793 A CN202111362793 A CN 202111362793A CN 114022472 A CN114022472 A CN 114022472A
- Authority
- CN
- China
- Prior art keywords
- target
- tumor
- positive
- cell
- target marker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了一种肿瘤浸润淋巴细胞分析方法、装置以及存储介质,方法包括:获取待测肿瘤组织切片的病理图像,所述病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;根据病理图像的靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据;根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。本申请的肿瘤浸润淋巴细胞分析方法,通过mIHC/IF检测对TILs亚群深入分析,不仅能够分析特定的免疫细胞类型,还能整合肿瘤不同部位的免疫细胞之间的关系,获得更多的免疫治疗预后数据和预测数据,解决了肿瘤免疫治疗疗效评估缺乏生物标志物的问题。
Description
技术领域
本申请涉及生物信息学技术领域,具体涉及一种肿瘤浸润淋巴细胞分析方法、装置和存储介质。
背景技术
肺癌是临床常见的恶性肿瘤,其发病率及死亡率均居恶性肿瘤的首位,严重威胁着患者的生命健康及生活质量。由于早期诊断率低,大部分患者在诊断时已是晚期。目前局部晚期或发生远处转移的患者5年生存率分别只有26%及4%。近年来,免疫检查点抑制剂(immune checkpoint inhibitors,ICIs),特别是程序性细胞死亡受体1(programmed celldeath receptor 1,PD-1)及其配体(programmed cell death ligand 1,PD-L1)抑制剂因其普适性、显著的抗肿瘤活性以及良好的安全性,提高了晚期非小细胞肺癌(non-smallcell lung cancer,NSCLC)患者的预后,受到了广泛的关注。然而PD-1/PD-L1抑制剂的疗效并不是在所有患者中都很理想,而且可能伴发严重的免疫相关不良事件(immune-relatedadverse events,irAEs),甚至危及生命。目前已有的生物标志物对肺癌患者预后及疗效预测均有一定的价值,但都存在着局限性与不足。
许多新发现的生物标志物,特别是肿瘤免疫治疗的生物标志物,都与肿瘤免疫微环境(tumor immune microenvironment,TIME)有关。TIME是肿瘤和免疫系统之间复杂的动态交叉作用的结果,实体肿瘤的TIME包括瘤内免疫细胞的密度、定位和组成等。认识TIME下免疫和肿瘤相关分子的表达模式和功能,对于选择最有可能受益于免疫治疗的患者群体至关重要。传统的免疫组织化学染色/免疫荧光染色(immunohistochemistry/immunofluorescence,IHC/IF)是目前TIME研究最常用的检测方法,在肺癌的病理类型和生物标志物的评估中发挥着至关重要的作用,能够协助临床医生及时、准确地做出治疗决策,但仍存在许多局限性。
传统的IHC/IF检测是用酶或荧光标记的抗体对福尔马林固定及石蜡包埋(formalin fixation and paraffin embedding,FFPE)的样本进行染色,显示特定目标抗原在组织中的表达和定位分布,是目前被广泛应用于TIME研究的组织病理学诊断技术。传统的IHC/IF检测最大的局限性是在一张FFPF切片上只能染色1个-3个靶标,而精准治疗的肿瘤评估,需要对多个蛋白靶点进行检测,这就需要充足的组织学标本。在大多数病例中,患者的活检样本无法满足除肿瘤病理组织学分型之外的额外检测,这导致错失了从患者样本中获得重要的诊断和预后信息的机会。此外,即使有足够的样本进行一系列连续的组织切片传统IHC/IF染色,在多细胞群的研究中对于蛋白之间的相关性也无法准确评估。因此,虽然IHC/IF是一种实用且成本效益高的检测方法,但这种方法不能说明复杂TIME的全部情况。传统的IHC/IF的另一大限制是观察者之间的高变异性,其结果判读主要通过人为定性或半定量,有一定的主观性。例如,Ki-67是多种恶性肿瘤的预后生物标志物。但在2017年圣加仑国际专家共识会议上,专家们提出IHC用于Ki-67检测的可重复性的问题及其对临床决策的影响。为减少主观性的影响,目前国际上存在共识,要求实验室具备经验丰富的病理学专家。
近年来,癌症治疗已经进入精准医疗的时代,其中,有效的生物标志物检测是准确选择获益人群的关键环节。研究发现,在癌症患者中,ICIs治疗前后TIME的高维特征与治疗反应相关。TIME内的肿瘤浸润淋巴细胞(tumor infiltrating lymphocytes,TILs)与肿瘤细胞的相互作用密切,能够促进或阻止肿瘤的生长和侵袭,在癌症中具有预后及疗效预测价值。由于TILs是一群具有较大异质性的细胞群体,因此需要进一步细化及量化具体指标,但目前仍缺乏有效的生物标志物客观地评估TILs亚群。
发明内容
本申请的目的是提供一种肿瘤浸润淋巴细胞分析方法、装置和存储介质,以对肿瘤浸润淋巴细胞进行定量和/或定性分析。
为了实现上述目的,本申请采用了以下技术方案:
本申请的第一方面公开了一种肿瘤浸润淋巴细胞分析方法,包括:
病理图像获取步骤:包括获取待测肿瘤组织切片的病理图像,病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;
病理图像识别步骤:包括获取病理图像的靶标标志物表达信号,根据病理图像中靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据;
细胞表型数据分析步骤:包括根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。
需要说明的是,本申请的肿瘤浸润淋巴细胞分析方法,通过mIHC/IF检测对TILs亚群深入分析,不仅能够分析特定的免疫细胞类型,还能整合肿瘤不同部位的免疫细胞之间的关系,获得更多的免疫治疗预后数据和预测数据,有助于准确地选择能够从免疫治疗中获益的肿瘤患者,解决了肿瘤免疫治疗疗效评估缺乏生物标志物的问题,也能够满足通过多重免疫组化技术进行肿瘤免疫微环境分析的需求,减少人工计算分析工作,提高各项免疫组化指标的分析效率。
本申请的一种实现方式,病理图像获取步骤之后还包括:
目标区域选取步骤:包括选取病理图像的目标区域,目标区域均匀分布于肿瘤组织区域内,肿瘤组织区域满足以下标准:
(1)位于浸润性肿瘤的边界内;
(2)不包括肿瘤边界外和正常组织周围区域;
(3)不包括肿瘤区域中具有压迫伪影、坏死、透明化消退以及人为因素造成的异常区域;
优选地,目标区域的个数为8-32个;
优选地,每个目标区域的面积≧0.65mm2。
本申请的一种实现方式,根据病理图像中靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据具体包括:
根据靶标标志物表达信号对病理图像进行细胞组织形态识别,将目标区域拆分为肿瘤细胞区和基质细胞区;
根据靶标标志物表达信号对病理图像进行细胞表型识别,分别获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量,以获得靶标标志物对应的细胞表型数据。
本申请的一种实现方式,靶标标志物包括PanCK,CD8,CD68,FoxP3,PD-L1,PD-1中的至少一种。
本申请的一种实现方式,根据靶标标志物表达信号对病理图像进行细胞表型识别,获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量具体包括:
根据靶标标志物表达信号的强度对病理图像进行细胞表型识别,分别获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量;
其中,PanCK+细胞对应的靶标标志物表达信号的强度cutoff值大于第一预设值;CD8+细胞对应的靶标标志物表达信号的强度cutoff值大于第二预设值;CD68+细胞对应的靶标标志物表达信号的强度cutoff值大于第三预设值;FoxP3+细胞对应的靶标标志物表达信号的强度cutoff值大于第四预设值;PD-L1+细胞对应的靶标标志物表达信号的强度cutoff值大于第五预设值;PD-1+细胞对应的靶标标志物表达信号的强度cutoff值大于第六预设值;
优选地,第一预设值等于1.5;
优选地,第二预设值等于9.5;
优选地,第三预设值等于1.0;
优选地,第四预设值等于2.5;
优选地,第五预设值等于1.5;
优选地,第六预设值等于0.8。
本申请的一种实现方式,根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析具体包括:
根据靶标标志物阳性表达的细胞数量,计算靶标标志物的阳性表达率以及靶标标志物的阳性表达密度;和/或
根据双阳性靶标标志物阳性表达的细胞数量,计算双阳性靶标标志物的阳性表达率以及双阳性靶标标志物的阳性表达密度;和/或
根据PD-L1+PanCK靶标标志物双阳性表达细胞数量,计算肿瘤细胞阳性比例分数TPS,其中,TPS=(PD-L1+PanCK双阳性表达细胞数量/PanCK阳性表达细胞数量)*100%;和/或
根据靶标标志物PD-L1阳性表达对应的细胞数量,计算综合阳性分数CPS,其中,CPS=[(PD-L1阳性表达细胞数量)/PanCK阳性表达细胞数量]*100;和/或
根据靶标标志物PD-L1阳性表达率和靶标标志物CD8阳性表达率,判断肿瘤的免疫分型;
优选地,双阳性靶标标志物包括PD-L1+PanCK靶标标志物、PD-1+CD8靶标标志物、PD-L1+CD68靶标标志物中的至少一种。
本申请的一种实现方式,肿瘤的免疫分型包括Ⅰ型、Ⅱ型、Ⅲ型和Ⅳ型中的至少一种,其中,Ⅰ型的判断标准为:PD-L1阴性和CD8阴性;Ⅱ型的判断标准为:PD-L1阳性和CD8阳性;Ⅲ型的判断标准为:PD-L1阴性和CD8阳性;Ⅳ型的判断标准为:PD-L1阳性和CD8阴性,其中,PD-L1阳性的判断标准为PD-L1阳性表达率>1%,CD8阳性的判断标准为CD8阳性表达率>1%。
本申请的第二方面公开了一种肿瘤浸润淋巴细胞分析装置,包括:
病理图像获取模块:用于获取待测肿瘤组织切片的病理图像,病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;
病理图像识别模块:用于获取病理图像的靶标标志物表达信号,根据靶标标志物表达信号对病理图像中的细胞进行表型识别,以获得靶标标志物对应的细胞表型数据;
细胞表型数据分析模块:用于根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。
本申请的一种实现方式中,肿瘤浸润淋巴细胞分析装置还包括:
目标区域选取模块:用于选取病理图像的目标区域,目标区域均匀分布于肿瘤组织区域内,肿瘤组织区域满足以下标准:
(1)位于浸润性肿瘤的边界内;
(2)不包括肿瘤边界外和正常组织周围区域;
(3)不包括肿瘤区域中具有压迫伪影、坏死、透明化消退以及人为因素造成的异常区域;
优选地,目标区域的个数为8-32个;
优选地,每个目标区域的面积≧0.65mm2。
本申请的第三方面公开了一种评估肿瘤免疫耗竭状态的装置,装置包括:
存储器,用于存储程序;
处理器,用于通过执行存储器存储的程序以实现上述肿瘤浸润淋巴细胞分析方法。
本申请的第四方面公开了一种计算机可读存储介质,介质用于存储程序,程序能够被处理器执行以实现上述肿瘤浸润淋巴细胞分析方法。
由于采用以上技术方案,本申请的有益效果在于:
本申请的肿瘤浸润淋巴细胞分析方法,通过mIHC/IF检测对TILs亚群深入分析,不仅能够分析特定的免疫细胞类型,还能整合肿瘤不同部位的免疫细胞之间的关系,获得更多的免疫治疗预后数据和预测数据,有助于准确地选择能够从免疫治疗中获益的肿瘤患者,解决了肿瘤免疫治疗疗效评估缺乏生物标志物的问题,也能够满足通过多重免疫组化技术进行肿瘤免疫微环境分析的需求,减少人工计算分析工作,提高各项免疫组化指标的分析效率。
附图说明
图1为本申请实施例提供的一种肿瘤浸润淋巴细胞分析方法的流程框图;
图2为本申请实施例中提供的一种肿瘤浸润淋巴细胞分析装置的结构框图;
图3为实施例1中样本的目标区域圈选示意图;
图4为实施例1中不同肺癌患者的肿瘤浸润淋巴细胞的浸润比例示意图。
具体实施方式
下面通过具体实施方式对本申请作进一步详细说明。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
如本文中所用,术语“患者”优选指人类,但也涵盖其他哺乳动物。术语“生物体”、“个体”、“受试者”、“对象”或“患者”被用作同义词可互换使用。
本发明适用于所有癌症患者。该癌症可以是呼吸系统癌症,或其亚型和分期(phase),呼吸系统包括呼吸道(鼻腔、咽、喉、气管、支气管)和肺,在一些实施方式中,该癌症包括但不限于肺癌、鼻咽癌、喉癌、咽癌,气管癌等。在一些实施方式中,该癌症还可以包括但不限于乳腺癌、肺癌、前列腺癌、结肠直肠癌、脑癌、食道癌、胃癌、膀胱癌、胰腺癌、宫颈癌、头颈癌、卵巢癌、黑素瘤和多药耐药性癌症;或其亚型和分期(phase)。
在一些实施例中,受试者还可以是实体瘤患者,包括但不限于肺癌、鼻咽癌或黑色素瘤患者。
如本文中所用,术语“肿瘤”是指恶性或者良性的所有肿瘤细胞生长和增殖,以及所有的癌前细胞和组织和癌细胞和组织。
现有技术缺乏有效的生物标志物客观地评估TILs亚群,为了解决上述问题,如图1所示,本实施例提供了一种肿瘤浸润淋巴细胞分析方法,包括:
S201:病理图像获取步骤,包括获取待测肿瘤组织切片的病理图像,病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;
具体地,待测肿瘤组织切片是指经过多标记免疫组织化学染色或者免疫荧光染色(multiplex immunohistochemistry/immunofluorescence,mIHC/IF)技术处理后的肿瘤组织切片,经过上述处理后,在同一个肿瘤组织切片上能够染色多个靶标,获得多个靶标标志物,以实现对多个靶标标志物的检测。肿瘤组织切片可以是肺癌组织切片,也可以是上述提到的其他癌症组织切片。病理图像是指肿瘤组织切片经过多标记着色后通过传感器成像获得的图像,例如,通过成像扫描仪器,Akoya公司Vectra Polaris光谱型定量病理分析系统,获得免疫组化病理图像,根据病理图像上不同靶标标志物的表达信号,能够分析免疫细胞的组成、功能状态和细胞-细胞相互作用,从而获得更多的免疫治疗预后数据和预测数据。
本实施例的一种具体实现方式中,对肿瘤组织切片进行多重免疫组化染色处理,获得组织切片的病理图像,能够获得FoxP3、PD-L1、PanCK、PD-1、CD8、CD68中至少一种靶标标志物表达信号,从而实现根据多种靶标标志物表达信号分析不同免疫细胞的组成、功能状态和细胞-细胞相互作用。
本实施例的一种实现方式中,病理图像获取步骤之后还包括:
目标区域选取步骤:包括选取病理图像的目标区域,具体地,可以通过mIHC的病理图像浏览软件(如Phenochart 1.1.0等),对每一张病理图像选择多个目标区域,以进行肿瘤浸润淋巴细胞定量分析,其中,选取目标区域均匀分布于肿瘤组织区域内,肿瘤组织区域需要满足以下标准:(1)应在浸润性肿瘤的边界内进行选取;(2)应排除肿瘤边界外和正常组织周围区域;(3)排除肿瘤区域中具有压迫伪影、坏死、透明化消退以及人为因素造成的异常区域;,此外,在选取目标区域时,应选取多个目标区域进行分析评估,例如,8-32个,计算多个目标区域细胞数量的总数作为肿瘤组织样本的浸润淋巴细胞含量,每个目标区域的面积应不低于0.65mm2(0.931mm*0.698mm),以减少评估肿瘤浸润淋巴细胞含量的系统误差。
S202:病理图像识别步骤,包括根据病理图像中的靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据;
具体地,靶标标志物表达信号是指通过图像识别分析软件系统在病理图像上识别具有不同荧光颜色和信号强度的荧光信号,通过靶标标志物表达信号的颜色和信号强度可以识别不同靶标标志物对应的细胞表型,进而获得靶标标志物的细胞表型数据。
本实施例的一种实现方式中,为了获取靶标标志物对应的细胞表型数据,根据病理图像中靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据具体包括:
根据靶标标志物表达信号对病理图像进行细胞组织形态识别,将目标区域拆分为肿瘤细胞区和基质细胞区;
根据靶标标志物表达信号对病理图像进行细胞表型识别,获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量,以获得靶标标志物对应的细胞表型数据。
具体地,将选好目标区域的mIHC病理图像导入图像识别分析软件系统(如inForm、QuPath等),对于存在靶标标志物的区域,根据靶标标志物表达信号的荧光颜色以及不同细胞组织形态和病理特征,将病理图像存在靶标标志物表达信号的区域分为的PanCK富集区和非PanCK富集区,从而得到肿瘤细胞区和基质细胞区。
本实施例的一种实现方式中,根据靶标标志物PanCK的表达信号确定目标区域的PanCK阳性表达富集区,即肿瘤细胞区,根据靶标标志物FoxP3、PD-L1、PD-1、CD8、CD68的表达信号确定目标区域的基质细胞区,对于不存在靶标标志物表达信号的区域可确定为其他区。进一步,根据靶标标志物表达信号的强度对病理图像内的所有细胞进行表型识别,可以确定病理图像肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量。
为了获得不同靶标标志物阳性表达对应的细胞数量,根据靶标标志物表达信号对病理图像进行细胞表型识别,分别获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量具体包括:
根据靶标标志物表达信号的强度对病理图像进行细胞表型识别,分别获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量;
其中,PanCK+细胞对应的靶标标志物表达信号的强度cutoff值大于第一预设值;CD8+细胞对应的靶标标志物表达信号的强度cutoff值大于第二预设值;CD68+细胞对应的靶标标志物表达信号的强度cutoff值大于第三预设值;FoxP3+细胞对应的靶标标志物表达信号的强度cutoff值大于第四预设值;PD-L1+细胞对应的靶标标志物表达信号的强度cutoff值大于第五预设值;PD-1+细胞对应的靶标标志物表达信号的强度cutoff值大于第六预设值;
一些具体实施方案中,第一预设值等于1.5;第二预设值等于9.5;第三预设值等于1.0;第四预设值等于2.5;第五预设值等于1.5;第六预设值等于0.8。这里,需要说明的是,cutoff值可以是预先设置好的,也可以根据不同细胞阳性表达的分析需求进行人工设置。
本实施例的一种具体实现方式中,为了对肿瘤浸润淋巴细胞进行定量和/或定性分析,统计目标区域内细胞的总数量,在对肿瘤组织切片进行多重免疫组化染色时,通过DAPI即4',6-二脒基-2-苯基吲哚染色,DAPI穿透细胞膜与细胞核中的双链DNA结合在荧光显微镜下显示蓝色而发挥标记的作用,进而通过图像识别分析软件系统,在“细胞分割”的这个模式下,选择“Counterstain-Based”算法,将DAPI染色与背景进行区分,从而将DAPI染色区域的范围判断为细胞核区域,确定了单个细胞细胞核的位置,与每个细胞相关的像素集合会被识别,通过提取标志物信号进行分析,从而确定任意区域内的细胞数量。
具体地,在图像识别分析软件系统中设置参数如下:Relative intensitythreshold参数设置为0.1,Nuclear staining quality参数设置为Mixed,Nuclearsplitting settings threshold参数设置为0.442,Minimum nuclear size参数设置为60,Fill nuclear holes smaller than参数设置为50,Refining cell after segmentation参数设置为FALSE,以对病理图像中的细胞进行识别,确定病理图像任意区域内的细胞数量。
S203:细胞表型数据分析步骤:包括根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析;
具体地,细胞表型数据是指不同靶标标志物的阳性表达的细胞数量或阴性表达细胞数量,根据不同靶标标志物的细胞表型数据,可以定量分析不同免疫细胞的组成、功能状态和细胞-细胞相互作用,获得更多的免疫治疗预后数据和预测数据。
本实施例的一种实现方式中,根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析具体包括:
根据靶标标志物阳性表达的细胞数量,计算靶标标志物的阳性表达率以及靶标标志物的阳性表达密度;和/或
根据双阳性靶标标志物阳性表达的细胞数量,计算双阳性靶标标志物的阳性表达率以及双阳性靶标标志物的阳性表达密度;和/或
根据PD-L1+PanCK靶标标志物双阳性表达细胞数量,计算肿瘤细胞阳性比例分数TPS,其中,TPS=(PD-L1+PanCK双阳性表达细胞数量/PanCK阳性表达细胞数量)*100%;和/或
根据靶标标志物PD-L1阳性表达对应的细胞数量,计算综合阳性分数CPS,其中,CPS=[(PD-L1阳性表达细胞数量)/PanCK阳性表达细胞数量]*100;和/或
根据靶标标志物PD-L1阳性表达率和靶标标志物CD8阳性表达率,判断肿瘤的免疫分型;
其中,双阳性靶标标志物包括PD-L1+PanCK靶标标志物、PD-1+CD8靶标标志物、PD-L1+CD68靶标标志物中的至少一种。
具体地,靶标标志物的阳性表达率是指不同目标区域之间靶标标志物的平均阳性表达率,某个目标区域内靶标标志物的阳性表达率通过目标区域内每个靶标标志物阳性表达的细胞数量和目标区域所有细胞数量的比值计算得到,靶标标志物的平均阳性表达率通过每个靶标标志物在不同目标区域的阳性表达的细胞数量总和比上不同目标区域所有细胞数量总和的比值计算得到。
靶标标志物的阳性表达密度包括PanCK靶标标志物的阳性表达密度,以及其他靶标标志物,如FoxP3、PD-L1、PD-1、CD8、CD68的阳性表达密度,PanCK靶标标志物的阳性表达密度通过PanCK靶标标志物阳性表达的细胞数量与肿瘤细胞区面积的比值计算得到,PanCK靶标标志物的阳性表达密度通过PanCK靶标标志物在不同目标区域的阳性表达的细胞数量总和与不同目标区域的肿瘤细胞区面积总和的比值计算得到,类似地,其他靶标标志物,如FoxP3、PD-L1、PD-1、CD8、CD68的阳性表达密度分别通过FoxP3、PD-L1、PD-1、CD8或CD68阳性表达的细胞数量与基质细胞区面积的比值计算得到,FoxP3、PD-L1、PD-1、CD8或者CD68的平均阳性表达密度则通过FoxP3、PD-L1、PD-1、CD8或者CD68在不同目标区域的阳性表达的细胞数量总和与不同目标区域的肿瘤细胞区面积总和的比值计算得到。
双阳性靶标标志物PD-L1+PanCK的阳性表达率是指不同目标区域之间双阳性靶标标志物PD-L1+PanCK的平均阳性表达率,目标区域内靶标标志物PD-L1+PanCK的阳性表达率通过目标区域内PD-L1+PanCK双阳性表达的细胞数量和目标区域所有细胞数量的比值计算得到,双阳性靶标标志物PD-L1+PanCK的平均阳性表达率通过不同目标区域内双阳性靶标标志物PD-L1+PanCK的阳性表达的细胞数量总和比上不同目标区域所有细胞数量总和的比值计算得到,类似地,可以计算得到双阳性靶标标志物PD-1+CD8、双阳性靶标标志物PD-L1+CD68的阳性表达率、平均阳性表达率、阳性表达密度和平均阳性表达密度。
双阳性靶标标志物PD-L1+PanCK的阳性表达密度通过目标区域内PD-L1+PanCK双阳性表达的细胞数量和目标区域内肿瘤细胞区面积的比值计算得到,双阳性靶标标志物PD-L1+PanCK的平均阳性表达密度通过不同目标区域内双阳性靶标标志物PD-L1+PanCK的阳性表达的细胞数量总和与不同目标区域的肿瘤细胞区面积总和的比值计算得到;PD-1+CD8靶标标志物的阳性表达密度通过目标区域内PD-1+CD8双阳性表达的细胞数量和目标区域内基质细胞区区面积的比值计算得到,双阳性靶标标志物PD-1+CD8的平均阳性表达密度通过不同目标区域内双阳性靶标标志物PD-1+CD8的阳性表达的细胞数量总和与不同目标区域的肿瘤细胞区面积总和的比值计算得到;双阳性靶标标志物PD-L1+CD68的阳性表达密度通过目标区域内PD-L1+CD68双阳性表达的细胞数量和目标区域内基质细胞区面积的比值计算得到,双阳性靶标标志物PD-L1+CD68的平均阳性表达密度通过不同目标区域内双阳性靶标标志物PD-L1+CD68的阳性表达的细胞数量总和与不同目标区域的肿瘤细胞区面积总和的比值计算得到。
本实施例的一种实现方式中,肿瘤的免疫分型包括:Ⅰ型、Ⅱ型、Ⅲ型和Ⅳ型中的至少一种,其中,Ⅰ型的判断标准为:PD-L1阴性和CD8阴性;Ⅱ型的判断标准为:PD-L1阳性和CD8阳性;Ⅲ型的判断标准为:PD-L1阴性和CD8阳性;Ⅳ型的判断标准为:PD-L1阳性和CD8阴性,其中,PD-L1阳性的判断标准为PD-L1阳性表达率>1%,CD8阳性的判断标准为CD8阳性表达率>1%。
多标记免疫组织化学染色/免疫荧光染色(multiplex immunohistochemistry/immunofluorescence,mIHC/IF)技术能够在一个组织切片上获得多种生物标志物,同时获得关于细胞组成和空间排列的多通道信息,对TIME进行高维分析。mIHC/IF检测实现了在福尔马林固定石蜡包埋的方法处理的(FFPE)组织切片上进行多个生物标志物检测,配合定量分析软件,能够自动区分肿瘤和非肿瘤组织,分析多个生物标志物以及不同类型免疫细胞组成、功能状态和细胞-细胞相互作用,具有高重复性、高效率和高成本效益的优点。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
如图2所示,本实施例还提供了一种肿瘤浸润淋巴细胞分析装置,包括病理图像获取模块301、病理图像识别模块302、细胞表型数据分析模块303,其中,病理图像获取模块301用于获取待测肿瘤组织切片的病理图像,病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;病理图像识别模块302用于根据病理图像中靶标标志物表达信号对病理图像中的细胞进行表型识别,以获得靶标标志物对应的细胞表型数据;细胞表型数据分析模块303用于根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。
本申请的一种实现方式中,肿瘤浸润淋巴细胞分析装置还包括:
目标区域选取模块:用于选取病理图像的目标区域,目标区域均匀分布于肿瘤组织区域内,肿瘤组织区域满足以下标准:
(1)位于浸润性肿瘤的边界内;
(2)不包括肿瘤边界外和正常组织周围区域;
(3)不包括肿瘤区域中具有压迫伪影、坏死、透明化消退以及人为因素造成的异常区域;
优选地,目标区域的个数为8-32个;
优选地,每个目标区域的面积≧0.65mm2。
本实施例还提供了一种评估肿瘤免疫耗竭状态的装置,装置包括:
存储器,用于存储程序;
处理器,用于通过执行存储器存储的程序以实现上述肿瘤浸润淋巴细胞分析方法。
本实施例还提供了一种计算机可读存储介质,介质用于存储程序,程序能够被处理器执行以实现上述肿瘤浸润淋巴细胞分析方法。
下面将通过具体实施例并结合附图对本发明作进一步说明。应当理解,实施例仅是示例性的,并不构成对本发明保护范围的限制。
实施例1
本实施例中采用8例临床肺癌病人的手术组织切片样本作为肿瘤组织样本,使用Bond RX自动化染色仪完成对该患者肿瘤组织样本的多重免疫组织化学染色(7色6标:FoxP3,PD-L1,PanCK,PD-1,CD8,CD68,DAPI),并经过VECTRA POLARIS系统进行全片扫描获取免疫组化病理图像。
进一步,通过Phenochart 1.1.0软件对每例样本的mIHC病理图像各选取8个目标区域(包含肿瘤组织、边界和基质区域),导入inForm系统。图2为样本21R2667SLZA的目标区域圈选图(DAPI蓝色,CD8青色,PD-L1绿色,FoxP3黄色,PD-1橙色,PanCK红色,CD68白色)。
按照如下参数进行细胞组织形态学识别:Relative intensity threshold参数设置为0.1,Nuclear staining quality参数设置为Mixed,Nuclear splitting settingsthreshold参数设置为0.442,Minimum nuclear size参数设置为60,Fill nuclear holessmaller than参数设置为50,Refining cell after segmentation参数设置为FALSE。
随后按如下参数对mIHC病理图像的细胞进行表型识别:(1)PanCK+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为1.5;(2)CD8+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为9.5;(3)CD68+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为1.0;(4)FoxP3+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为2.5;(5)PD-L1+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为1.5;(6)PD-1+细胞对应的靶标标志物表达信号的强度cutoff值参数设置为0.8;各靶标标志物阳性表达信号的强度大于以上cutoff值对应的细胞被判断为阳性细胞,根据判断结果即可得到靶标标志物阳性表达对应的细胞表型数据。
进一步,根据每一个肿瘤患者mIHC病理图像各目标区域的细胞表型数据,对肿瘤浸润淋巴细胞进行定量和/或定性分析,包括:
根据靶标标志物阳性表达的细胞数量,计算靶标标志物的平均阳性表达率以及靶标标志物的平均阳性表达密度;和/或
根据PD-L1+PanCK靶标标志物、PD-1+CD8靶标标志物、PD-L1+CD68靶标标志物阳性表达的细胞数量,计算PD-L1+PanCK靶标标志物、PD-1+CD8靶标标志物、PD-L1+CD68靶标标志物的平均阳性表达率和平均阳性表达密度;和/或
根据PD-L1+PanCK靶标标志物双阳性表达细胞数量,计算肿瘤细胞阳性比例分数TPS,其中,TPS=(PD-L1+PanCK双阳性表达细胞数量/PanCK阳性表达细胞数量)*100%;和/或
根据靶标标志物PD-L1阳性表达对应的细胞数量,计算综合阳性分数CPS,其中,CPS=[(PD-L1阳性表达细胞数量)/PanCK阳性表达细胞数量]*100;和/或
根据靶标标志物PD-L1阳性表达率和靶标标志物CD8阳性表达率,判断肿瘤的免疫分型。
结果如下列表格所示,其中表1为每个靶标标志物的阳性表达率和阳性表达密度,表2为双阳性靶标标志物的阳性表达率和表达密度,表3为肿瘤细胞阳性比例分数(TPS)、综合阳性分数(CPS)和肿瘤免疫分型判断结果。
表1靶标标志物阳性表达率和阳性表达密度
表2双阳性靶标标志物的阳性表达率和表达密度
其中,双阴性表达密度是指表2中双靶标标志物中的第一个靶标标志物和第二个靶标标志物同时为阴性(非阳性)的细胞数量与所有目标区域面积的比值;双阴性百分比是指第一个靶标标志物和第二个靶标标志物同时为阴性(非阳性)的细胞数量与所有目标区域细胞数量总和的比值;第一个阳性表达密度是指第一个靶标标志物为阳性的细胞数量与所有目标区域面积的比值;第二个阳性表达密度是指第二个靶标标志物为阳性的细胞数量与所有目标区域面积的比值;第二个阳性百分比是指第二个靶标标志物为阳性的细胞数量与所有目标区域细胞数量总和的比值;双阳性表达密度是指一个靶标标志物和第二个靶标标志物同时为阳性的细胞数量与所有目标区域面积的比值;双阳性百分是指一个靶标标志物和第二个靶标标志物同时为阳性的细胞数量与所有目标区域细胞数量总和的比值;第一个靶标标志物为双靶标标志物名称“+”符号前面的靶标标志物,第二个靶标标志物为双靶标标志物名称“+”符号后的靶标标志物。
表3肿瘤细胞阳性比例分数(TPS)、综合阳性分数(CPS)和肿瘤免疫分型
Sample | TPS% | CPS | 免疫分型 |
21R2667SLZA | 0.03 | 1.13 | Ⅲ型 |
21R2936SLZA | 0.00 | 0.00 | Ⅰ型 |
21R2936SLZB | 0.00 | 0.07 | Ⅲ型 |
21R5540SLZA | 0.00 | 0.02 | Ⅰ型 |
21R5662SLZA | 0.00 | 0.04 | Ⅲ型 |
21R6108SLZA | 0.00 | 0.02 | Ⅲ型 |
21R7002SLZA | 0.01 | 0.27 | Ⅲ型 |
21R8021SLZA | 52.70 | 107.89 | Ⅱ型 |
收集上述肺癌患者的临床信息后,如表4所示(Release为缓解无复发,Progress为发生复发),对患者按照复发情况进行分组,统计各目标区域的肿瘤浸润淋巴细胞的浸润程度和比例。根据统计结果,发现治疗后无复发患者的CD8+T细胞分布密度显著更高,无复发患者的CD68+巨噬细胞的分布密度也表现出更高的趋势,而起免疫抑制作用的FoxP3+调节性T细胞的分布密度则低于发生复发转移的患者,具体分析结果如图3所示。该结果说明了基于mIHC技术统计和分析肺癌浸润淋巴细胞的免疫组化指标能够作为生物标志物对肺癌患者治疗后的复发转移情况进行预测。
表4肺癌患者的临床信息
以上应用了具体个例对本申请进行阐述,只是用于帮助理解本申请,并不用以限制本申请。对于本申请所属技术领域的技术人员,依据本申请的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种肿瘤浸润淋巴细胞分析方法,其特征在于,包括:
病理图像获取步骤:包括获取待测肿瘤组织切片的病理图像,所述病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;
病理图像识别步骤:包括根据病理图像中靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据;
细胞表型数据分析步骤:包括根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。
2.根据权利要求1所述的肿瘤浸润淋巴细胞分析方法,其特征在于,所述病理图像获取步骤之后还包括:
目标区域选取步骤:包括选取所述病理图像的目标区域,所述目标区域均匀分布于肿瘤组织区域内,所述肿瘤组织区域满足以下标准:
(1)位于浸润性肿瘤的边界内;
(2)不包括肿瘤边界外和正常组织周围区域;
(3)不包括肿瘤区域中具有压迫伪影、坏死、透明化消退以及人为因素造成的异常区域;
优选地,目标区域的个数为8-32个;
优选地,每个目标区域的面积≧0.65mm2。
3.根据权利要求2所述的肿瘤浸润淋巴细胞分析方法,其特征在于,所述根据病理图像中靶标标志物表达信号识别不同细胞的表型,以获得靶标标志物对应的细胞表型数据具体包括:
根据靶标标志物表达信号对病理图像进行细胞组织形态识别,将目标区域拆分为肿瘤细胞区和基质细胞区;
根据靶标标志物表达信号对病理图像进行细胞表型识别,分别获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量,以获得靶标标志物对应的细胞表型数据。
4.根据权利要求1-3任一项所述的肿瘤浸润淋巴细胞分析方法,其特征在于,所述靶标标志物包括PanCK,CD8,CD68,FoxP3,PD-L1,PD-1中的至少一种。
5.根据权利要求4所述的肿瘤浸润淋巴细胞分析方法,其特征在于,所述根据靶标标志物表达信号对病理图像进行细胞表型识别,获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量具体包括:
根据靶标标志物表达信号的强度对病理图像进行细胞表型识别,获取肿瘤细胞区和基质细胞区靶标标志物阳性表达的细胞数量;
其中,PanCK+细胞对应的靶标标志物表达信号的强度cutoff值大于第一预设值;CD8+细胞对应的靶标标志物表达信号的强度cutoff值大于第二预设值;CD68+细胞对应的靶标标志物表达信号的强度cutoff值大于第三预设值;FoxP3+细胞对应的靶标标志物表达信号的强度cutoff值大于第四预设值;PD-L1+细胞对应的靶标标志物表达信号的强度cutoff值大于第五预设值;PD-1+细胞对应的靶标标志物表达信号的强度cutoff值大于第六预设值;
优选地,第一预设值等于1.5;
优选地,第二预设值等于9.5;
优选地,第三预设值等于1.0;
优选地,第四预设值等于2.5;
优选地,第五预设值等于1.5;
优选地,第六预设值等于0.8。
6.根据权利要求5所述的肿瘤浸润淋巴细胞分析方法,其特征在于,所述根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析具体包括:
根据靶标标志物阳性表达的细胞数量,计算靶标标志物的阳性表达率以及靶标标志物的阳性表达密度;和/或
根据双阳性靶标标志物阳性表达的细胞数量,计算双阳性靶标标志物的阳性表达率以及双阳性靶标标志物的阳性表达密度;和/或
根据PD-L1+PanCK靶标标志物双阳性表达细胞数量,计算肿瘤细胞阳性比例分数TPS,其中,TPS=(PD-L1+PanCK双阳性表达细胞数量/PanCK阳性表达细胞数量)*100%;和/或
根据靶标标志物PD-L1阳性表达对应的细胞数量,计算综合阳性分数CPS,其中,CPS=[(PD-L1阳性表达细胞数量)/PanCK阳性表达细胞数量]*100;和/或
根据靶标标志物PD-L1阳性表达率和靶标标志物CD8阳性表达率,判断肿瘤的免疫分型;
优选地,所述双阳性靶标标志物包括PD-L1+PanCK靶标标志物、PD-1+CD8靶标标志物、PD-L1+CD68靶标标志物中的至少一种。
7.根据权利要求6所述的肿瘤浸润淋巴细胞分析方法,其特征在于,肿瘤的免疫分型包括:Ⅰ型、Ⅱ型、Ⅲ型和Ⅳ型中的至少一种;
其中,Ⅰ型的判断标准为:PD-L1阴性和CD8阴性;Ⅱ型的判断标准为:PD-L1阳性和CD8阳性;Ⅲ型的判断标准为:PD-L1阴性和CD8阳性;Ⅳ型的判断标准为:PD-L1阳性和CD8阴性,其中,PD-L1阳性的判断标准为PD-L1阳性表达率>1%,CD8阳性的判断标准为CD8阳性表达率>1%。
8.一种肿瘤浸润淋巴细胞分析装置,其特征在于,包括:
病理图像获取模块:用于获取待测肿瘤组织切片的病理图像,所述病理图像为多重免疫组化染色图像或多重免疫荧光染色图像;
病理图像识别模块:用于获取所述病理图像的靶标标志物表达信号,根据靶标标志物表达信号对病理图像中的细胞进行表型识别,以获得靶标标志物对应的细胞表型数据;
细胞表型数据分析模块:用于根据靶标标志物对应的细胞表型数据对肿瘤浸润淋巴细胞进行定量和/或定性分析。
9.一种评估肿瘤免疫耗竭状态的装置,所述装置包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-7任一项所述的肿瘤浸润淋巴细胞分析方法。
10.一种计算机可读存储介质,所述介质用于存储程序,所述程序能够被处理器执行以实现如权利要求1-7任一项所述的肿瘤浸润淋巴细胞分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362793.8A CN114022472B (zh) | 2021-11-17 | 2021-11-17 | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362793.8A CN114022472B (zh) | 2021-11-17 | 2021-11-17 | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114022472A true CN114022472A (zh) | 2022-02-08 |
CN114022472B CN114022472B (zh) | 2022-05-20 |
Family
ID=80064936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111362793.8A Active CN114022472B (zh) | 2021-11-17 | 2021-11-17 | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022472B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115602313A (zh) * | 2022-09-27 | 2023-01-13 | 深圳裕策生物科技有限公司(Cn) | 用于疾病疗效与生存预后预测的生物标志物及其用途 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105209919A (zh) * | 2013-03-15 | 2015-12-30 | 豪夫迈·罗氏有限公司 | 治疗pd-1和pd-l1相关疾患的生物标志物和方法 |
CN105793280A (zh) * | 2013-11-04 | 2016-07-20 | 伊玛提克斯生物技术有限公司 | 几种神经元和脑肿瘤的个性化免疫疗法 |
US20160305947A1 (en) * | 2013-12-10 | 2016-10-20 | Merck Sharp & Dohme Corp. | Immunohistochemical proximity assay for pd-1 positive cells and pd-ligand positive cells in tumor tissue |
CN108136216A (zh) * | 2015-10-23 | 2018-06-08 | 诺华股份有限公司 | 对包含肿瘤组织的样品评分的方法 |
CN110088804A (zh) * | 2016-12-22 | 2019-08-02 | 文塔纳医疗系统公司 | 基于原色和免疫组织化学图像的计算机评分 |
CN111065920A (zh) * | 2017-09-05 | 2020-04-24 | 西托根有限公司 | 基于前列腺特异性膜抗原的前列腺癌患者筛查方法 |
CN111094977A (zh) * | 2017-07-13 | 2020-05-01 | 古斯塔夫·鲁西研究所 | 监测抗pd-1/pd-l1治疗的肿瘤患者中肿瘤淋巴细胞浸润和预后的基于影像组学的成像工具 |
CN111862004A (zh) * | 2020-06-30 | 2020-10-30 | 江西微润芯璟科技有限公司 | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 |
CN112326961A (zh) * | 2020-10-30 | 2021-02-05 | 福州迈新生物技术开发有限公司 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
CN113092762A (zh) * | 2021-04-06 | 2021-07-09 | 张道全 | 检测cd8+联合cd163+免疫细胞在肿瘤组织中分布的方法 |
CN113450877A (zh) * | 2021-06-28 | 2021-09-28 | 深圳裕泰抗原科技有限公司 | 一种基于多重免疫组化技术的生物标志物分析方法及其应用 |
-
2021
- 2021-11-17 CN CN202111362793.8A patent/CN114022472B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105209919A (zh) * | 2013-03-15 | 2015-12-30 | 豪夫迈·罗氏有限公司 | 治疗pd-1和pd-l1相关疾患的生物标志物和方法 |
CN105793280A (zh) * | 2013-11-04 | 2016-07-20 | 伊玛提克斯生物技术有限公司 | 几种神经元和脑肿瘤的个性化免疫疗法 |
US20160305947A1 (en) * | 2013-12-10 | 2016-10-20 | Merck Sharp & Dohme Corp. | Immunohistochemical proximity assay for pd-1 positive cells and pd-ligand positive cells in tumor tissue |
CN108136216A (zh) * | 2015-10-23 | 2018-06-08 | 诺华股份有限公司 | 对包含肿瘤组织的样品评分的方法 |
CN110088804A (zh) * | 2016-12-22 | 2019-08-02 | 文塔纳医疗系统公司 | 基于原色和免疫组织化学图像的计算机评分 |
CN111094977A (zh) * | 2017-07-13 | 2020-05-01 | 古斯塔夫·鲁西研究所 | 监测抗pd-1/pd-l1治疗的肿瘤患者中肿瘤淋巴细胞浸润和预后的基于影像组学的成像工具 |
CN111065920A (zh) * | 2017-09-05 | 2020-04-24 | 西托根有限公司 | 基于前列腺特异性膜抗原的前列腺癌患者筛查方法 |
CN111862004A (zh) * | 2020-06-30 | 2020-10-30 | 江西微润芯璟科技有限公司 | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 |
CN112326961A (zh) * | 2020-10-30 | 2021-02-05 | 福州迈新生物技术开发有限公司 | 一种非小细胞肺癌中pd-l1阳性肿瘤细胞比例的分析方法和存储设备 |
CN113092762A (zh) * | 2021-04-06 | 2021-07-09 | 张道全 | 检测cd8+联合cd163+免疫细胞在肿瘤组织中分布的方法 |
CN113450877A (zh) * | 2021-06-28 | 2021-09-28 | 深圳裕泰抗原科技有限公司 | 一种基于多重免疫组化技术的生物标志物分析方法及其应用 |
Non-Patent Citations (2)
Title |
---|
HAO CHEN 等: "PD-L1 Expression and CD8+ Tumor-infiltrating Lymphocytes in Different Types of Tubo-ovarian Carcinoma and Their Prognostic Value in High-grade Serous Carcinoma", 《WOLTERS KLUWER HEALTH》 * |
詹圣桦: "鼻咽癌 PD-L1/CD8+ TIL 免疫分型的预后价值研究", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115602313A (zh) * | 2022-09-27 | 2023-01-13 | 深圳裕策生物科技有限公司(Cn) | 用于疾病疗效与生存预后预测的生物标志物及其用途 |
CN115602313B (zh) * | 2022-09-27 | 2023-08-22 | 深圳裕策生物科技有限公司 | 用于疾病疗效与生存预后预测的生物标志物及其用途 |
Also Published As
Publication number | Publication date |
---|---|
CN114022472B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5048757B2 (ja) | 診断指標または予測指標としての細胞内局在プロフィールの使用 | |
JP5184087B2 (ja) | ガンの予後のためのマーカー候補を分析および最適化するための方法およびコンピュータープログラム製品 | |
Lloyd et al. | Using image analysis as a tool for assessment of prognostic and predictive biomarkers for breast cancer: How reliable is it? | |
US20220390451A1 (en) | Single cell genomic profiling of circulating tumor cells (ctcs) in metastatic disease to characterize disease heterogeneity | |
EP3100047B1 (en) | Circulating tumor cell diagnostics for prostate cancer biomarkers | |
Hernandez et al. | Challenges and opportunities for immunoprofiling using a spatial high-plex technology: the NanoString GeoMx® digital spatial profiler | |
Kluk et al. | MYC immunohistochemistry to identify MYC-driven B-cell lymphomas in clinical practice | |
EP1946114A2 (en) | Comprehensive diagnostic testing procedures for personalized anticancer chemotherapy (pac) | |
Uhr et al. | Molecular profiling of individual tumor cells by hyperspectral microscopic imaging | |
Yi et al. | Detection of anaplastic lymphoma kinase (ALK) gene rearrangement in non-small cell lung cancer and related issues in ALK inhibitor therapy: a literature review | |
CN107250796B (zh) | 用于鉴别对雄激素受体靶向疗法的抵抗性的循环肿瘤细胞诊断 | |
US20210405055A1 (en) | Single cell genomic profiling of circulating tumor cells (ctcs) in metastatic disease to characterize disease heterogeneity | |
CN114022472B (zh) | 一种肿瘤浸润淋巴细胞分析方法、装置和存储介质 | |
JP2020522697A (ja) | 転移性疾患における、循環腫瘍細胞(ctc)の単一細胞特徴づけに基づく治療を検出する方法 | |
WO2017171720A1 (en) | Digital image analysis of inflammatory cells and mediators of inflammation | |
Solorzano et al. | Machine learning for cell classification and neighborhood analysis in glioma tissue | |
US20190264289A1 (en) | Methods for characterizing and isolating circulating tumor cell subpopulations | |
CN115602313B (zh) | 用于疾病疗效与生存预后预测的生物标志物及其用途 | |
Xu et al. | A comparative study of gastric adenocarcinoma Her2 Ihc phenotype and mass spectrometry-based quantification | |
Moon et al. | Metastatic prognostic ability of lung cancer stromal cells from a single-cell RNA-seq perspective | |
EP3293273B1 (en) | Method for assisting judgment of prognosis of breast cancer, and apparatus for assisting judgment of prognosis of breast cancer | |
Arihiro et al. | Utility of cytopathological specimens and an automated image analysis for the evaluation of HER2 status and intratumor heterogeneity in breast carcinoma | |
Tzeng et al. | Multi-omic profiling of breast tumor microenvironment uncovers a role of mitochondrial calcium gatekeepers | |
Tai et al. | Spatial profiling of ovarian clear cell carcinoma reveals immune-hot features | |
Tanei et al. | High HER2 intratumoral heterogeneity is a predictive factor for poor prognosis in Early-stage and Locally Advanced HER2-positive Breast Cancer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |