用于处理用于生物标志物定位的电子图像的系统和方法技术方案

公开了用于接收来自患者的病理学标本的数字图像的系统和方法，所述病理学标本包括肿瘤组织，所述一个或多个数字图像与关于肿瘤组织中的多个生物标志物的数据和关于肿瘤组织四周的周围侵袭性切缘的数据相关联；为所述一个或多个数字图像中的每一个标识待分析的肿瘤组织和周围侵袭性切缘区；在所述一个或多个数字图像上使用机器学习模型，生成对所述肿瘤组织和所述周围侵袭性切缘区中所述多个生物标志物的存在的至少一个推断；确定在所述肿瘤组织和所述周围侵袭性切缘区中标识的多个生物标志物中的每一个的空间关系；以及确定对于患者的治疗结果的预测和/或至少一个治疗建议。议。议。

【技术实现步骤摘要】
【国外来华专利技术】用于处理用于生物标志物定位的电子图像的系统和方法
[0001]相关申请本申请要求保护2020年1月28日提交的美国临时申请第62/966, 723号的优先权，该美国临时申请的全部公开内容在此通过引用以其整体并入本文。


[0002]本公开的各种实施例通常涉及生物标志物的定位和/或推断数字病理载片中的空间关系。更具体地，本公开的特定实施例涉及用于肿瘤和侵袭性切缘检测、定位的生物标志物预测和/或生物标志物和空间关系比较的系统和方法。本公开进一步提供了用于使用人工智能（AI）来空间推断各种基因组特征、分子测试和其他分析的系统和方法。

技术介绍

[0003]癌症组织的全面基因和分子测试可以允许经由靶向疗法对实体肿瘤进行精确治疗。尽管这些年来基因组测序的成本大幅下降，但这些检测仍然昂贵、缓慢，并且需要大量组织，所述组织在临床研究中非常有限。苏木精和伊红（H&E）染色是可负担的，并且提供了对肿瘤微环境的全面视觉描述。
[0004]前面的一般描述和下面的详细描述这两者都仅仅是示例性和解释性的，并且对于本公开不是限制性的。本文提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于分析对应于标本的图像的计算机实现的方法，该方法包括：接收来自患者的病理学标本的一个或多个数字图像，所述病理学标本包括肿瘤组织，所述一个或多个数字图像与关于所述肿瘤组织中的多个生物标志物的数据和关于所述肿瘤组织四周的周围侵袭性切缘的数据相关联；为所述一个或多个数字图像中的每一个标识待分析的肿瘤组织和周围侵袭性切缘区；在所述一个或多个数字图像上使用机器学习模型，生成对所述肿瘤组织和所述周围侵袭性切缘区中所述多个生物标志物的存在的至少一个推断；确定在所述肿瘤组织和所述周围侵袭性切缘区中标识的所述多个生物标志物中的每一个的空间关系；和基于所述多个生物标志物中的每一个的空间关系，确定对于所述患者的治疗结果的预测和/或至少一个治疗建议。2.根据权利要求1所述的计算机实现的方法，其中生成对所述多个生物标志物的存在的所述至少一个推断进一步包括使用计算机视觉模型。3.根据权利要求1所述的计算机实现的方法，其中所述病理学标本包括组织学和/或细胞学标本。4.根据权利要求1所述的计算机实现的方法，其中关于所述多个生物标志物的数据是根据基因测试、流式细胞术和/或免疫组织化学标识的。5.根据权利要求1所述的计算机实现的方法，其中标识所述肿瘤组织和所述周围侵袭性切缘区使用所述机器学习模型，并且其中训练所述机器学习模型进一步包括：接收与训练病理学标本和对肿瘤区的存在或不存在的相关联指示相关联的一个或多个训练数字图像；将所述一个或多个训练数字图像划分为至少一个子区，以确定所述肿瘤是否存在于所述至少一个子区中；和训练所述机器学习模型，所述机器学习模型将与所述病理学标本相关联的所述一个或多个训练数字图像中的一个取作输入，并且预测所述肿瘤是否存在。6.根据权利要求5所述的计算机实现的方法，其中训练所述机器学习模型进一步包括：接收与目标病理学标本和对肿瘤区的存在或不存在的相关联指示相关联的一个或多个数字图像；将所述一个或多个数字图像划分为至少一个子区来进行分析以确定所述肿瘤是否存在于所述至少一个子区中；将所述机器学习模型应用于所述一个或多个数字图像中的一个，以预测所述数字图像的哪些区示出肿瘤组织或侵袭性切缘，并且可以显示感兴趣的生物标志物；和指示和标出至少一个肿瘤区的位置。7.根据权利要求1所述的计算机实现的方法，进一步包括，训练所述机器学习模型以生成对所述多个生物标志物的存在的所述至少一个推断包括：接收所述病理学标本的一个或多个训练数字图像；接收关于存在于所述一个或多个训练数字图像之一中示出的肿瘤和/或侵袭性切缘区中的所述生物标志物的水平的多个数据；将所述一个或多个训练数字图像中的一个划分成至少一个子区，以确定所述至少一个
子区的至少一个特性；标识与感兴趣的生物标志物相关的至少一个肿瘤和/或至少一个侵袭性切缘区；和训练机器学习系统以预测来自所述至少一个肿瘤和/或所述至少一个侵袭性切缘区的每个生物标志物的表达水平。8.根据权利要求1所述的计算机实现的方法，其中生成所述至少一个推断包括：确定所述肿瘤组织和所述周围侵袭性切缘区中的至少一个感兴趣的区；和应用所述机器学习模型来确定对所述至少一个感兴趣的区中的生物标志物表达水平的预测。9.根据权利要求1所述的计算机实现的方法，进一步包括：通过以下步骤训练所述机器学习模型以比较所述至少一个生物标志物和所述空间关系：接收至少一个空间结构化训练输入；接收对应于每个空间结构化训练输入的元数据；和训练所述机器学习模型以从定位的生物标志物预测治疗结果或抵抗性预测。10.根据权利要求1所述的计算机实现的方法，其中生成所述至少一个推断进一步包括：接收空间结构化输入；接收对应于所述空间结构化输入的元数据；和应用所述机器学习模型以从定位的生物标志物预测所述治疗结果或抵抗性预测。11.一种用于分析对应于标本的图像的系统，所述系统包括：至少一个存储指令的存储器；和至少一个处理器，被配置为执行所述指令以执行操作，所述操作包括：接收来自患者的病理学标本的一个或多个数字图像，所述病理学标本包括肿瘤组织，所述一个或多个数字图像与关于所述肿瘤组织中的多个生...

【专利技术属性】
技术研发人员：B，
申请(专利权)人：佩治人工智能公司，
类型：发明
国别省市：