[发明专利]用于处理玻片的图像以推断生物标志物的系统和方法

说明书

公开了用于进行以下步骤的系统和方法：接收对应于目标试样的目标电子图像，所述目标试样包括患者的组织样本；将机器学习系统应用于所述目标电子图像，以标识所述目标试样的感兴趣区域并且确定所述感兴趣区域中的生物标志物的表达水平、类别和/或存在，所述生物标志物包括来自表皮生长因子受体（EGFR）生物标志物和/或DNA错配修复（MMR）缺陷生物标志物当中的至少一个，所述机器学习系统已经通过处理多个训练图像而被生成以预测所述目标电子图像中是否存在感兴趣区域，所述训练图像包括人类组织的图像和/或通过算法生成的图像；以及输出所述感兴趣区域中的所述生物标志物的所确定的表达水平、类别和/或存在。

（一个或多个）相关申请

本申请要求2019年9月9日提交的美国临时申请No.62/897,734的优先权，其全部公开内容通过引用在此整体并入本文中。

技术领域

本公开的各种实施例总体上涉及对生物标志物的基于图像的预测以及相关的图像处理方法。更具体地，本公开的特定实施例涉及用于基于处理组织试样的图像来预测一个或多个生物标志物的系统和方法。

背景技术

组织学染色（histological stain）可以被用于病理学中以使得细胞可见。已经开发了许多基于染料的染色系统。然而，所开发的方法可能无法为病理学家提供足够的信息以在视觉上标识可能帮助诊断或指导治疗的生物标志物。可以使用诸如免疫组化（IHC）、免疫荧光、原位杂交（ISH）或荧光原位杂交（FISH）之类的技术。如果这些方法未能提供用于检测生物标志物的足够信息，则可以使用对组织的基因测试（genetic testing）来确认生物标志物是否存在（例如，肿瘤中的特定蛋白或基因产物的过表达、癌症中的给定基因的扩增等）。IHC比像苏木精和伊红（HE）这样的染料更加昂贵；然而，基因测试甚至成本更高，并且可能在许多诊所和医院中不可用。

期望存在一种可以避免高成本的IHC技术和/或基因测试的生物标志物检测方法。所公开的实施例可以使用人工智能（AI），以从使用HE和/或其他基于染料的方法被染色的组织的数字图像内的显著区域（salient region）来预测生物标志物（例如，蛋白质和/或基因产物的过表达、特定基因的扩增和/或突变）。

前述一般描述和以下详细描述仅仅是示例性和解释性的，而不是对本公开的限制。本文中提供的背景描述是出于概括地呈现本公开的情境的目的。除非本文中另行指示，否则本部分中描述的材料不是对于本申请中的权利要求的现有技术，并且不会由于包含在本部分中而被认为是现有技术或现有技术的建议。

发明内容

根据本公开的某些方面，公开了用于根据对组织试样的图像分析来预测一个或多个生物标志物的系统和方法。

一种用于分析对应于试样的图像的方法，包括：接收对应于目标试样的目标电子图像，所述目标试样包括患者的组织样本；将机器学习系统应用于所述目标电子图像，以标识所述目标试样的感兴趣区域并且确定所述感兴趣区域中的生物标志物的表达水平、类别和/或存在，所述生物标志物包括来自表皮生长因子受体（EGFR）生物标志物和/或DNA错配修复（MMR）缺陷生物标志物当中的至少一个，所述机器学习系统已经通过处理多个训练图像而被生成以预测所述目标电子图像中是否存在感兴趣区域，所述训练图像包括人类组织的图像和/或通过算法生成的图像；以及输出所述感兴趣区域中的所述生物标志物的所确定的表达水平、类别和/或存在。