L'analyse d'image basée sur l'apprentissage profond prédit le statut PD-L1 à partir des images histopathologiques colorées à l'hématoxyline-éosine (H&E) dans le cancer du sein

Le ligand de mort programmée-1 (PD-L1) a été récemment adopté pour le cancer du sein en tant que biomarqueur prédictif pour les immunothérapies. Le coût, le temps et la variabilité de la quantification du PD-L1 par immunohistochimie (IHC) représentent un défi. En revanche, l'hématoxyline et l'éosine (H&E) est une coloration robuste utilisée de manière routinière pour le diagnostic du cancer. Ici, nous montrons que l'expression de PD-L1 peut être prédite à partir d'images colorées H&E en employant des techniques d'apprentissage profond à la pointe de la technologie. Avec l'aide de deux pathologistes experts et d'un logiciel d'annotation conçu à cet effet, nous avons constitué un jeu de données pour évaluer la faisabilité de la prédiction du PD-L1 à partir de H&E dans le cancer du sein. Dans une cohorte de 3 376 patients, notre système prédit le statut PD-L1 avec une aire sous la courbe (AUC) élevée de 0,91 à 0,93. Notre système est validé sur deux jeux de données externes, incluant une cohorte d'essai clinique indépendante, montrant une performance de prédiction constante. De plus, le système proposé prédit quels cas sont susceptibles d'être mal interprétés par les pathologistes, démontrant qu'il peut servir de système d'aide à la décision et d'assurance qualité en pratique clinique.