Ziel von IPN² war, eine Netzwerkarchitektur zu entwickeln, die über multimodale Eingabedaten und die Quantifizierung des lokalen Immunprofils eines Tumors und der Mikroumgebung eine Prognose über den Erfolg einer Immuntherapie individueller Patienten erstellt.
Derzeit ist es unmöglich, eine zuverlässige automatisierte Aussage bezüglich der Ansprechrate einer Immuntherapie für Patienten mit Harnblasen- oder Prostatakarzinom zu treffen. Die quantitative Erfassung der Tumor-Mikroumgebung bei der Prädiktion der Immuntherapie ist entscheidend.
Die Erfassung basiert auf der histopathologischen Bildanalyse. Dabei ist es wichtig, Lösungen zu entwickeln, welche i) eine automatisierte Trennung der Tumor von Nicht-Tumor Geweberegionen ermöglichen, ii) immunkompetente Zellen in diesen Regionen detektieren, segmentieren und klassifizieren und iii) eine regionbezogene Quantifizierung der Zellen ermöglichen. Die Ergebnisse mit klinischen Patientendaten werden zur Entwicklung von prognostischen Modellen benutzt.
Es wurden histologische Gewebeserienschnitte von 200 Blasentumoren und 200 Prostatatumoren angefertigt. Für die Schnitte wurden immunhistochemische Doppelfärbungen entwickelt. Jeder Tumor wurde mit jeweils 5 Serienschnitten der 5 neu entwickelten Assays gefärbt (zusätzlich ein HE Schnitt). Alle 2400 Schnitte wurden digitalisiert. Für jeden Fall wurden klinische Daten akquiriert.
Die Serienschnitte wurden digitalisiert und ko-registriert. Die Blasentumorschnitte wurden von einer Pathologin in Tumor und Nicht-Tumorregionen annotiert. Für die Prostatakrebsdaten wurde eine automatisierte Annotationsmethode entwickelt. Immunzellen in jeder dieser Regionen sind auch annotiert. Die annotierten digitalen Gewebeschnitte wurden zum Training von Deep-Learning-Modellen benutzt. Insgesamt wurden 1000 digitale Gewebeschnitte – 500 für jede der beiden Tumorarten – zum Trainieren von Tiefen Neuronalen Netzen benutzt. 500 digitale Gewebeschnitte inklusive klinischer Patientendaten stehen für den Test der trainierten Modelle zur Verfügung.
