OmiCoreTumorDetector:一种经分子验证的开放模型,用于标绘结直肠癌H&E染色切片中的肿瘤区域

由 root 提交于 周六, 10/17/2026 - 23:36

内容形式:摘要译文

在苏木精-伊红(H&E)染色切片上界定肿瘤区域是空间组学研究中常规的首要步骤,但这一过程通常依赖人工完成,且难以复现。我们提出了 OmiCoreTumorDetector,这是一种采用开放许可证的模型,可在结直肠癌(CRC)H&E 染色切片上绘制肿瘤富集区域,并将其导出为兼容 QuPath 的标注。已发布模型(omicore-tumordetector-crc-he-v0.1)由三个基于 100,000 个公开组织图块训练的卷积分类器集成而成,并在推理阶段结合 Macenko 染色标准化。在开发过程中,我们发现,模型复用的主要障碍是染色域偏移下的校准问题,而非判别能力:单个模型在未见过的切片上仍保持 0.955 的受试者工作特征曲线下面积(AUROC),但在常规的 0.5 阈值下,其敏感度降至 0.48。使用未经标准化的图块进行训练,使模型在独立采集的图块集上的肿瘤识别 AUROC 从 0.836 提升至 0.992;而在推理阶段进行标准化,则使邻近正常组织中被误判为肿瘤的面积降至原来的 1/16 至 1/26。在五张与训练数据不存在任何样本重叠的 10x Visium HD CRC 切片上,已发布模型将三张癌组织切片中 27.7%–48.5% 的组织判定为肿瘤,而在两张邻近正常组织切片中,这一比例分别为 0.08% 和 1.82%,且均未导出任何肿瘤区域。在具有配套单细胞分辨率转录组数据的癌组织切片上,模型预测与基于转录组确定的肿瘤细胞身份之间的一致性达到 0.985 的 AUROC(基于空间区块自助法估计的 95% 置信区间为 0.975–0.993)。该图像模型从未接触基因表达数据,因此这一结果构成了正交验证证据。该模型以 112 μm 的分辨率定位肿瘤富集区域;它无法识别单个恶性细胞,且尚未经过跨扫描仪验证,

机构或组织学变异类型。代码、模型权重和评估资源均依据 Apache-2.0 许可证发布,并可通过 pip install omicoretumordetector 安装。

关键词:结直肠癌 · 数字病理 · 肿瘤区域识别 · 卷积神经网络 · 染色标准化 · 空间组学

原文链接:https://www.biorxiv.org/content/10.64898/2026.09.21.753083v1?rss=1