Neural network analysis of digital copies of histological micropreparations is one of the methods used to standardize quantitative continuous data. PD-L1 (22C3) biomarker expression in metastatic non-small cell lung carcinomas without mutations in the EGFR, ALK, and ROS1 genes serves as an indication for the use of pembrolizumab for the first-line therapy.
Objective: To quantify PD-L1 biomarker expression in non-small cell lung carcinomas using the neural network analysis of digital copies of histological micropreparations.
Material and methods: Immunohistochemical study of PD-L1 (22C3) expression was performed on 96 non-small cell lung carcinoma biopsy specimens. The digital copies of histological micropreparations were processed by the QuPath software neural network analysis module.
Results: The neural network analysis module segmented tumor, stroma, and artifacts in the micropreparations, showing a sufficient level of agreement with a visual assessment. Digital image analysis quantified stained tumor cells in the high PD-L1 expression group and showed 96% agreement rate versus visual assessment. However, the group of tumors without PD-L1 expression versus visual assessment showed a low (58%) agreement rate.
Conclusion: The neural network analysis algorithm is applicable to the study of digital copies of histological micropreparations containing tumor, stroma, and artifacts. The algorithm allows for quantitative immunohistochemical assessment of PD-L1 expression in tumor cells. The algorithm can quantify the immunohistochemically detected expression of PD-L1 in tumor cells.
Нейросетевой анализ цифровых копий гистологических микропрепаратов — один из методов стандартизации количественных непрерывных данных. Экспрессия биомаркера PD-L1 (22С3) в метастатических немелкоклеточных карциномах легкого без мутаций в генах EGFR, ALK и ROS1 служит показанием к назначению пембролизумаба в 1-й линии терапии.
Цель исследования: Дать количественную оценку экспрессии биомаркера PD-L1 в немелкоклеточных карциномах легкого с использованием нейросетевого анализа цифровых копий гистологических микропрепаратов.
Материал и методы: Выполнено иммуногистохимическое исследование экспрессии PD-L1 (22С3) в 96 биоптатах немелкоклеточной карциномы легкого. Цифровые копии гистологических микропрепаратов обработаны при помощи нейросетевого модуля анализа программного обеспечения QuPath.
Результаты: Модуль нейросетевого анализа разделяет опухоль, строму и артефакты в микропрепаратах, показывая достаточный уровень согласия с визуальной оценкой. При помощи цифрового анализа изображений количественно оценены окрашенные опухолевые клетки в группе высокой экспрессии PD-L1, при этом коэффициент согласия составил 96% по сравнению с визуальной оценкой. Однако в группе опухолей, где отсутствовала экспрессия PD-L1, в сравнении визуальным методом наблюдался низкий коэффициент согласия — 58%.
Заключение: Алгоритм нейросетевого анализа применим для исследования цифровых копий гистологических микропрепаратов, содержащих опухоль, строму и артефакты. Используя иммуногистохимический метод, алгоритм позволяет количественно оценить экспрессию PD-L1 в опухолевых клетках.
Keywords: PD-L1; QuPath; digital image analysis; expression; lung; neural network analysis; non-small cell carcinoma; quantification.