Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer.
研究背景
肿瘤浸润淋巴细胞（TILs）密度是三阴性乳腺癌患者重要预后因素，反映免疫反应。现有计算TIL评估模型依赖详细注释和复杂深度学习流程，给模型迭代和临床部署带来挑战。本研究提出并验证简化ECTIL模型，少量病理学家注释下10分钟内可完成训练。
方法速览
收集美、英、荷三国三个队列及荷兰三个随机临床试验共2340名乳腺癌患者全切片图像（WSIs）、TIL评分和临床数据。用病理学基础模型从WSIs提取形态学特征，ECTIL模型基于特征直接回归WSI TIL评分。ECTIL - TCGA在TCGA队列训练，ECTIL - TNBC在三阴性乳腺癌样本训练，ECTIL - combined在所有分子亚型样本训练。用Pearson相关系数和AUROC评估与病理学家的一致性，在PARADIGM队列进行多变量Cox回归分析。
主要发现
模型性能评估：ECTIL - TCGA在五个外部队列与病理学家评估一致性高，ECTIL - TNBC在PARADIGM队列表现更优，ECTIL - combined在外部测试集一致性最高。
生存分析：多变量Cox回归分析显示，ECTIL - combined TIL评分每增加10%，总体生存率显著提高，与病理学家评分结果相似。
模型创新性：ECTIL模型单一步骤直接回归WSI TIL评分，无需分割和检测流程，减少训练时间和注释量。
模型局限性：对侵袭性小叶癌评分、错误包含组织区域可能致评分偏差，处理大型WSI可能出现评分稀释问题。
总结展望
ECTIL模型为乳腺癌TIL评估提供新方法，在性能和生存分析上表现良好且有创新性。但在特定组织处理和大型WSI上存在局限，未来可进一步优化。