Methods and Tools for Integrating Pathomics Data into Cancer Registries

本次项目建设的主要目标是以高质量和以人口为基础，进一步丰富SEER的注册数据。 Biospecimen以数字医学病理学、基于机器学习和分类的新形式收集数据。 定量病理组学将以一系列功能为特色。我们将继续创建一个精心策划的高质量生物信息库。 数字化的病理图像是为受试者提供的，这些受试者的临床数据正在被国家登记机构收集。这些都是。 还将对图像进行后续处理，以进一步提取计算功能，并与计算机建立更深层次的联系。 登记处的数据，从而使我们能够创建一个信息丰富的、包含这些数据的人口队列。 目的：探讨影像学和临床医学的属性。总结数字医学病理学的具体实例和特点。 集合包括对肿瘤的量化检测、对淋巴细胞的浸润性检测以及对肿瘤的分割检测。 描述癌症或间质细胞核的特征。这些特征还将包括光谱特征和空间特征。 签名是其潜在的病理基础。这一方法的最科学的前提是它的起源。 越来越多的证据表明，这些信息是从数字化的病理图像中提取出来的。 (病理性特征)是一份新的病理学报告中所描述的内容的一种新的定量和替代方法。 重要的区别在于，与人类不同的是，这些特征都是定量的，而且是不可重现的。 观察结果表明，这是一种高度的定性评估，并受到内部和内部观察者之间的高度关注。 可变性。这一数据集将提供一个非常独特的、基于全人群组织结构的癌症视图。 这将极大地加速我们对疾病、进展和癌症这三个阶段的进一步理解。 结果、结果和结果预测并评估其治疗效果。 这项工作将在与三个国家SEER注册机构的合作下继续进行。我们将成为合作伙伴。 与新泽西州癌症控制中心合作，在新项目(UG3)的开发和阶段阶段完成。 在国家项目委员会(UH3)、佐治亚州和肯塔基州癌症委员会的第一验证和阶段审查期间。 注册处将加入这一项目。中国的基础设施建设将在与中国的密切合作中继续发展。 SEER要求注册局确保与注册局流程的一致性、可扩展性和支持能力。 创建跨越多个注册中心的人群和队列。我们将继续部署可视的数据分析工具。 为了更好地促进创建用于全球流行病学研究的人群和队列，需要提供新的工具来提供支持。 它的可视化功能包括集群图像和与之相关的整张幻灯片图像，同时还提供了更高级的图像。 用于进行基于内容的图像检索的算法。它是图像检索的最新科学验证工具。 拟议的环境保护将通过在前列腺癌、癌症和淋巴瘤上进行的三项研究来完成。 以及由三名调查人员领导的NSCLC在这三个地点进行调查。

The goal of this project is to enrich SEER registry data with high-quality population-based  biospecimen data in the form of digital pathology, machine learning based classifications and  quantitative pathomics feature sets.  We will create a well-curated repository of high-quality  digitized pathology images for subjects whose data is being collected by the registries.  These  images will be processed to extract computational features and establish deep linkages with  registry data, thus enabling the creation of information-rich, population cohorts containing  objective imaging and clinical attributes.  Specific examples of digital Pathology derived feature  sets include quantification of tumor infiltrating lymphocytes and segmentation and  characterization of cancer or stromal nuclei. Features will also include spectral and spatial  signatures of the underlying pathology.  The scientific premise for this approach stems from  increasing evidence that information extracted from digitized pathology images  (pathomic features) are a quantitative surrogate of what is described in a pathology report. The  important distinction being that these features are quantitative and reproducible, unlike human  observations that are highly qualitative and subject to a high degree of inter- and intra-observer  variability. This dataset will provide, a unique, population-wide tissue based view of cancer,  and dramatically accelerate our understanding of the stages of disease progression, cancer  outcomes, and predict and assess therapeutic effectiveness.   This work will be carried out in collaboration with three SEER registries. We will partner  with The New Jersey State Cancer Registry during the development phase of the project (UG3).  During the validation phase of the project (UH3), the Georgia and Kentucky State Cancer  Registries will join the project. The infrastructure will be developed in close collaboration with  SEER registries to ensure consistency with registry processes, scalability and ability support  creation of population cohorts that span multiple registries. We will deploy visual analytic tools  to facilitate the creation of population cohorts for epidemiological studies, tools to support  visualization of feature clusters and related whole-slide images while providing advanced  algorithms for conducting content based image retrieval. The scientific validation of the  proposed environment will be undertaken through three studies in Prostate Cancer, Lymphoma  and NSCLC, led by investigators at the three sites.