[发明专利]预测肿瘤突变负荷的多模态模型构建方法及电子设备

说明书

本发明公开一种预测肿瘤突变负荷的多模态模型构建方法及电子设备，其中构建方法包括在获取的癌症组织切片的HE病理图像中获得HE图像的肿瘤区域坐标文件；对HE图像的肿瘤区域坐标文件进行特征提取，得到HE图像特征；获取HE病理图像相应患者的临床病理信息，对临床病理信息基于随机森林特征重要性方法进行筛选，得到筛选的临床病理信息；将HE图像特征与筛选的临床病理信息利用紧凑双线性池化方法实现不同模态数据的融合得到多模态模型。通过HE染片来预测患者的TMB高低状态能够节省费用和时间，而构建的多模态模型具有精确性和普适性的优点。

技术领域

本发明涉及病理图像处理领域，具体地涉及预测肿瘤突变负荷的多模态模型构建方法。

背景技术

结直肠癌(CRC)是常见的消化道恶性肿瘤。其发病率和病死率在消化系统恶性肿瘤中仅次于胃癌、食管癌和原发性肝癌。结肠直肠癌的大体形态可分为三种：息肉样型、狭窄型和溃疡型。结直肠癌治疗的关键在于早期发现、及时诊断和手术根治。其治疗方法主要有外科治疗、放射治疗、化学治疗、免疫治疗、中医治疗等。虽然手术是CRC治疗的主要手段，但是其术后复发率高达60％。

免疫治疗是治疗结直肠癌的一种常见治疗手段。肿瘤免疫治疗是通过重新启动并维持肿瘤-免疫循环，恢复机体正常的抗肿瘤免疫反应，从而控制与清除肿瘤的一种治疗方法，包括单克隆抗体类免疫检查点抑制剂(ICIs)、治疗性抗体、癌症疫苗、细胞治疗和小分子抑制剂等。近年来，免疫检查点抑制剂使癌症的治疗发生了革命性的变化。这些药物包括靶向CTLA-4、PD-1/PD-L1的抗体等，但是只有少部分病人能够获益。因此，临床需要寻找生物标记物来确定哪些人适合免疫治疗。免疫治疗中常见的肿瘤生物标记物有程序性死亡分子配体-1(PD-L1)、错配修复(MMR)、微卫星不稳定性(MSI)、肠道微生物群(microbiome)、肿瘤突变负荷(TMB)。

TMB检测可能有助于预测免疫检查点抑制剂的疗效。TMB指的是一份肿瘤标本中，所评估基因的外显子编码区每兆碱基中发生置换和插入/缺失突变的总数。体细胞的突变增加了产生新抗原的可能性，因此，具有高度非同义TMB的肿瘤表达大量异常蛋白，这些异常蛋白被免疫系统识别为新抗原。因而，TMB高提示产生的新抗原多，应用免疫检查点抑制剂释放的T细胞更有可能识别新抗原，从而达到攻击和杀死肿瘤的作用。但是值得注意的是，并不是所有位于细胞表面的肿瘤性抗原具有免疫源性，肿瘤突变负荷因肿瘤类型以及不同病人而不同。TMB作为一种潜在可预测免疫检查点抑制剂治疗疗效的生物标记物，越来越多地被应用于临床试验中。

目前对于TMB的检测方法主要有基于二代测序技术(NGS)的全外显子测序(WES)和大panel测序。其中，WES因其可以检测存在于整个外显子中的体细胞突变，提供有可能在肿瘤进展中起作用的突变的全貌而被认为是检测的金标准。但由于WES检测费用高，耗时长，操作复杂，很难应用于临床实践中，目前推荐采用大panel检测方法。由于TMB检测目前尚未有标准化方法，导致检测结果也没有标准化，而且并不是每个患者都可以进行基因组检测。

发明内容

为解决现有技术中的至少部分技术问题，本发明提供预测肿瘤突变负荷的多模态模型构建方法。具体地，本发明包括以下内容。

本发明的第一方面，提供一种预测肿瘤突变负荷的多模态模型构建方法，其包括以下步骤：

(1)在获取的癌症组织切片的HE病理图像中获得HE图像的肿瘤区域坐标文件，对HE图像的肿瘤区域坐标文件进行特征提取，得到HE图像特征；

(2)获取HE病理图像相应患者的临床病理信息，编码为临床特征，并对临床特征根据重要性进行筛选，得到筛选的临床特征；

(3)将HE图像特征与筛选的临床特征利用紧凑双线性池化方法实现不同模态数据的融合得到融合后的特征；

(4)获取至少部分癌症组织切片或临床病理信息对应的受试者的TMB检测结果，并根据规定阈值将受试者分为TMB高低两个标签；