PathoHR: 高解像度病理画像に基づく乳がん生存率予測

PathoHR: Breast Cancer Survival Prediction on High-Resolution Pathological Images

March 23, 2025

著者: Yang Luo, Shiru Wang, Jun Liu, Jiaxuan Xiao, Rundong Xue, Zeyu Zhang, Hao Zhang, Yu Lu, Yang Zhao, Yutong Xie

cs.AI

要旨

計算病理学における乳がん生存予測は、腫瘍の異質性により大きな課題を抱えています。例えば、病理画像内の同一腫瘍の異なる領域が、それぞれ異なる形態学的および分子的特性を示すことがあります。これにより、ホールスライド画像（WSI）から腫瘍の攻撃性や生存予後を真に反映する代表的な特徴を抽出することが困難となります。本論文では、PathoHRという新しいパイプラインを提案します。これは、任意のサイズの病理画像を強化し、より効果的な特徴学習を可能にする、正確な乳がん生存予測のための手法です。我々のアプローチは、(1) プラグアンドプレイ型の高解像度Vision Transformer（ViT）を組み込み、パッチ単位のWSI表現を強化し、より詳細かつ包括的な特徴抽出を可能にすること、(2) WSIから抽出された特徴を比較するための複数の高度な類似度指標を体系的に評価し、腫瘍の特性をより適切に捉えるための表現学習プロセスを最適化すること、(3) 提案されたパイプラインに従って強化された小さな画像パッチが、未処理の大きなパッチと同等またはそれ以上の予測精度を達成しつつ、計算コストを大幅に削減できることを実証すること、を含みます。実験結果は、PathoHRが強化された画像解像度と最適化された特徴学習を統合し、計算病理学を進歩させる潜在的な方法を提供し、より正確かつ効率的な乳がん生存予測のための有望な方向性を示すことを裏付けています。コードはhttps://github.com/AIGeeksGroup/PathoHRで公開予定です。

English

Breast cancer survival prediction in computational pathology presents a remarkable challenge due to tumor heterogeneity. For instance, different regions of the same tumor in the pathology image can show distinct morphological and molecular characteristics. This makes it difficult to extract representative features from whole slide images (WSIs) that truly reflect the tumor's aggressive potential and likely survival outcomes. In this paper, we present PathoHR, a novel pipeline for accurate breast cancer survival prediction that enhances any size of pathological images to enable more effective feature learning. Our approach entails (1) the incorporation of a plug-and-play high-resolution Vision Transformer (ViT) to enhance patch-wise WSI representation, enabling more detailed and comprehensive feature extraction, (2) the systematic evaluation of multiple advanced similarity metrics for comparing WSI-extracted features, optimizing the representation learning process to better capture tumor characteristics, (3) the demonstration that smaller image patches enhanced follow the proposed pipeline can achieve equivalent or superior prediction accuracy compared to raw larger patches, while significantly reducing computational overhead. Experimental findings valid that PathoHR provides the potential way of integrating enhanced image resolution with optimized feature learning to advance computational pathology, offering a promising direction for more accurate and efficient breast cancer survival prediction. Code will be available at https://github.com/AIGeeksGroup/PathoHR.