Development and validation of image processing and analysis tools for the quantification of the tumor microenvironment in multiplex immunostained cancer tissues

Abstract

El diagnóstico, el pronóstico, y el tratamiento del cáncer se guían a partir de, entre otros elementos, la cuantificación de características morfológicas y fenotípicas del tumor, extraídas a partir de cortes de tejido teñidos con uno o dos biomarcadores. Recientemente, el desarrollo de nuevas tecnologías de adquisición de imagen (citometría de masas e inmunofluorescencia múltiple) ha aumentado el número de biomarcadores (>10) que pueden teñirse y visualizarse simultáneamente en secciones de tejido. Esta estrategia de imagen médica permite la visualización completa del microambiente tumoral (i.e., los fenotipos celulares y sus interacciones espaciales) ayudando a acelerar la investigación del cáncer en la búsqueda de nuevos y más eficaces tratamientos. Desafortunadamente, debido a la novedad de estas técnicas de imagen, los métodos computacionales actuales son insuficientes, ya que no han sido diseñados para cuantificar combinaciones complejas de expresión de marcadores o el análisis espacial de las células del microambiente tumoral. En esta tesis, presentamos el desarrollo y validación de herramientas de procesado de imágenes y aprendizaje profundo para el análisis cuantitativo del microambiente tumoral a nivel celular a partir de imágenes multiplexadas. Primero, presentamos NMF-RI, un método basado en factorización de matrices para la separación de un alto número de emisiones fluorescentes, sin la necesidad de muestras de control. Segundo, presentamos Synplex, un simulador que genera cohortes de pacientes artificiales representados por tejidos multiplexados creados a partir de reglas a nivel celular y de vecindario, y que es útil para la validación de métodos computacionales. En tercer lugar, presentamos NaroNet, un método que modela la arquitectura tumoral en fenotipos celulares, vecindarios celulares y áreas de tejido, los cuáles se cuantifican sin supervisión humana, y que por lo tanto permite el descubrimiento de nuevas características tumorales que son clínicamente relevantes.