82 AI-guided spatial profiling of tertiary lymphoid structures in human lung cancer by imaging mass cytometry
Notice bibliographique
Résumé
Background Imaging Mass Cytometry™ (IMC™) technology enables high-dimensional, multiplexed imaging at subcellular resolution without autofluorescence or cyclic imaging. The Hyperion™ XTi Imaging System supports three acquisition modes: Preview Mode (PM), Tissue Mode (TM), and Cell Mode (CM). PM provides rapid whole-slide scans for tissue overview within minutes, while TM captures entire tissue sections at 5-μm resolution, mapping over 40 biomarkers to reveal spatial heterogeneity. CM enables high-resolution, single-cell imaging of regions of interest (ROIs) identified in PM. Together with an automated slide loader, these modes support continuous, high-throughput tissue analysis.Methods Lung cancer tissue sections from an immunotherapy-treated patient were stained with a 34-marker IMC panel, combining the Human Immuno-Oncology IMC Panel and Maxpar IMC Cell Segmentation Kit. Imaging was performed using the Hyperion XTi Imaging System (Standard BioTools). PM was used for initial scanning, followed by automated ROI selection via Phenoplex™ software (Visiopharm®) based on three criteria: (1) tertiary lymphoid structures (TLS) expressing CD20 and CD3, (2) Granzyme B-rich regions, and (3) clusters of CD68 and Vimentin double-positive cells. Adjacent serial sections were imaged in TM for whole-slide morphological comparison.Results Tissue segmentation across all modes was performed using a deep-learning AI algorithm trained to identify key features such as vessels and TLS. CM images were analyzed at the single-cell level using iridium DNA-based segmentation. Spatial mapping of the TLS and cellular phenotyping was conducted with the Phenoplex guided workflow. Immune contexture was assessed using t-SNE plots stratified by spatial region and clinical variables.Conclusions This study demonstrates the utility of the Hyperion XTi Imaging System’s multimodal acquisition capabilities in extracting spatial and phenotypic insights from complex tissue samples. The integration of PM, TM, and CM modes with automated ROI selection and AI-driven segmentation enables efficient, high-resolution analysis of immune architecture. The Phenoplex platform facilitates rapid identification and spatial mapping of key cell populations and phenotypes, supporting advanced tissue profiling and biomarker discovery in immuno-oncology research.Ethics Approval This study was approved by the Institutional Review Board of Fukushima Medical University, approval No. 2538.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».