影像组学？HE染色结果也能挖掘！
说在前面
今天Immugent要进行解读的，是最近刚发表在JITC杂志(IF:13.75)上，一篇名为“Computational image features of immune architecture is associated with clinical benefit and survival in gynecological cancers across treatment modalities”的文章。小编近两年一直在听影像组学生信挖掘的文章，但一直没看到，这篇文章让小编大开眼界了。是的，你肯定想不到，如今HE切片的结果也能做数据挖掘了。
这项研究的开发了一个基于对HE切片数据挖掘的算法：ArcTIL，它的输入结果正是之前一直看不上的HE切片。当然，基于ArcTIL算出的结果可以和转录组，临床信息等关联，这毫无疑问为我们对临床癌症患者的治疗又提供了一项新的选择。但是，不得不承认的是，Immugent不太懂什么影像学知识，对这篇文章的解读也只是局限于简单看懂的层面，希望有相关研究背景的小伙伴继续将这项研究发扬光大。。。
下面我们就来简单看一下这篇文章的主要研究内容。。。
主要内容
文章总共就4幅图，可以说是再简单不过了。第一幅图就是介绍一下数据来源和纳入样本的临床信息，这里用的竟然是TCGA的HE数据，小编表示重来没有接触过。看到作者都是老外，莫非在国外还有一版数据更全的TCGA数据库？小编自己也不得而知。
图片
文章的第二幅图介绍的就是ArcTIL算法的处理过程了，简单说就是需要所研究的组织的HE切片结果，然后经过一系列生信算法的处理，随后再利用回归模型将结果数值化；然后数值化的结果可以和其它数据联合分析。
图片
文章的第三幅图是一些简单的生存分析，小编这里就没有放，感兴趣的小伙伴可以通过下载原文来学习。
最后一幅图是对中间产生的各种图片结果进行解释，和对一些使用的关键词进行说明。总的来说，在Arctil定义的低风险患者与高危患者中，存在分布更均匀、聚集性更小的特征，更容易根据患者的不同特征对其进行区分。
image.gif
总之，ArcTIL能可靠的识别化疗、放疗或免疫治疗后可能有复发和短期生存的高风险癌症患者。ArcTIL方法是一种完全的组织非破坏性数字分析方法，与现有的分子分析方法相比，它可以提供多种不同治疗方案的预后和预测信息，且成本明显较低，因为它只涉及数字化HE载片的计算图像分析。作者在未来的工作中将继续验证ArcTIL的能力，以确定哪些患者将从更强化的随访或强化治疗中受益。
展望
这篇研究开创性的对影像图片的信息进行挖掘，以往我们很多情况下对图片呈现的信息都是一个相对的认识，很难做到精准定量，这也和图片自身特点有关。但这并不意味着我们无法更加有效的利用这部分资源，随着近几年生物信息学技术的飞速发展，基于解决各种生物学问题的很多生信算法也被开发出来，我们需要学会对其进行整合，从而就会迸发出新的思想火花。
其实小编也不觉得这个算法有多准确，但是毫无疑问的是这个研究为我们对肿瘤患者的精准治疗提供了一个新的视角。而且，这个算法最有意义的地方在于它保留了肿瘤组织的原位信息，虽然无法做到精准，但寻求精准的分子和保留空间信息一直都是一个对立面；就类似于单细胞空间转录组一样，也无法做到精准。
鱼和熊掌往往不可兼得，我们可以选择先吃熊掌，因为鱼比较容易获得，后面自己打捞都行。
好啦，本次的分享到此就结束啦，欢迎大家对此文有自己想法的小伙伴通过后台与我们联系，也欢迎大家为我们推荐新的算法。
