Methods and Tools for Integrating Pathomics Data into Cancer Registries

将病理组学数据整合到癌症登记处的方法和工具

• 批准号: 10216066
• 负责人: Eric B. Durbin
• 金额: $ 64.33万
• 依托单位: STATE UNIVERSITY NEW YORK STONY BROOK
• 依托单位国家: 美国
• 财政年份: 2018
• 资助国家: 美国
• 起止时间: 2018-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://reporter.nih.gov/project-details/10216066
• 关键词: Advanced Development; Algorithmic Software; Algorithms; Anatomy; Area; Automobile Driving; Biological Assay; Biological Markers; Cell Nucleus; Classification; Clinical; Clinical Data; Cohort Studies; Collaborations; Communities; Cues; Data; Data Set; Development; Diagnostic; Disease; Disease Progression; Ensure; Environment; Evaluation Studies; Exhibits; Eye; Goals; Histopathology; Human; Image; Imaging Device; Informatics; Infrastructure; Intraobserver Variability; Investigation; Kentucky; Link; Lymphoma; Machine Learning; Malignant Neoplasms; Malignant neoplasm of prostate; Maps; Methodology; Methods; Modernization; Morphology; New Jersey; Non-Small-Cell Lung Carcinoma; Nuclear; Outcome; Pathology; Pathology Report; Patients; Perception; Phase; Phenotype; Population; Process; Registries; Reproducibility; Research; Research Personnel; Resolution; Retrieval; Science; Scientific Evaluation; Site; Slide; Specimen; Testing; Texture; Tissues; Transcend; Tumor Subtype; Tumor-Infiltrating Lymphocytes; Universities; Validation; Visual; Visualization; Work; analytical tool; base; cohort; computer infrastructure; computing resources; data management; data registry; digital pathology; epidemiology study; feature extraction; image archival system; image visualization; improved; informatics infrastructure; interest; neoplasm registry; pathology imaging; patient population; patient stratification; population based; precision medicine; prognostic; prototype; repository; response; scale up; stem; therapeutic effectiveness; tool; tumor; tumor registry; validation studies; whole slide imaging

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.

该项目的目标是用高质量的基于人群的 数字病理学形式的生物标本数据，基于机器学习的分类， 定量病理组学特征集。我们将创建一个精心策划的高质量 数据由登记处收集的受试者的数字化病理学图像。这些 将对图像进行处理，以提取计算特征，并与 登记数据，从而能够建立信息丰富的人口群组， 客观成像和临床属性。数字病理学衍生特征的具体示例 集合包括肿瘤浸润淋巴细胞的定量和分割， 特征还将包括光谱和空间 这种方法的科学前提源于 越来越多的证据表明，从数字化病理图像中提取的信息 （病理学特征）是病理学报告中描述的内容的定量替代。 重要的区别在于这些特征是定量的和可再现的，不像人类 高质量的观察，并受到观察者之间和观察者内部的高度 变异性。该数据集将提供一个独特的，基于人群组织的癌症视图， 大大加速了我们对疾病发展阶段的理解，癌症 结果，并预测和评估治疗效果。 这项工作将与三个SEER登记处合作进行。 在项目开发阶段（UG3），与新泽西州癌症登记处合作。 在项目（UH3）的验证阶段，格鲁吉亚州和肯塔基州州癌症研究所 登记册将加入该项目。 SEER注册表确保与注册表流程的一致性、可扩展性和能力支持 创建跨越多个注册中心的人群队列。我们将部署可视化分析工具， 为便于建立流行病学研究的人口群组， 可视化的功能集群和相关的整个幻灯片图像，同时提供先进的 进行基于内容的图像检索的算法。 拟议的环境将通过三项研究，在前列腺癌，淋巴瘤， 和NSCLC，由三个研究中心的研究者领导。