Định lượng tự động dấu ấn CD3+ ở bệnh nhân ung thư biểu mô tuyến vú xâm nhập bằng phần mềm QuPath: Tổng quan y văn và thử nghiệm thực tiễn tại Việt Nam
Nội dung chính của bài viết
Tóm tắt
Việc đánh giá thấm nhập lymphô bào trong u (TILs) thông qua biểu hiện của dấu ấn CD3+ mang lại giá trị tiên lượng độc lập trong ung thư biểu mô tuyến vú. Tuy nhiên, việc đánh giá ước lượng truyền thống đang tồn tại độ biến thiên giữa những lần đọc cũng như giữa các bác sĩ Giải Phẫu Bệnh. Bài viết này đề xuất một quy trình 4 bước ứng dụng phần mềm QuPath và đánh giá tính khả thi bước đầu trên nhóm mẫu thử nghiệm gồm 14 tiêu bản kỹ thuật số (WSI) tại Việt Nam. Quy trình tập trung vào việc hiệu chuẩn véc-tơ màu mật độ quang học (OD), phân đoạn tế bào dựa trên thuật toán Watershed và gán nhãn CD3+ tự động thông qua ngưỡng cường độ DAB. Kết quả thực chứng cho thấy khả năng trích xuất khách quan các thông số mật độ TILs/mm² với tính lặp lại cao. Tuy nhiên, độ chính xác của mô hình trí tuệ tăng cường này phụ thuộc chặt chẽ vào sự đồng nhất màu nhuộm và chất lượng khâu tiền phân tích. QuPath là giải pháp chiến lược giúp hỗ trợ bác sĩ giải phẫu bệnh trong định lượng CD3+, nhưng việc triển khai thực tế đòi hỏi sự chuẩn hóa quy trình kỹ thuật và đào tạo chuyên sâu về bệnh học kỹ thuật số.
Chi tiết bài viết
Từ khóa
Ung thư biểu mô tuyến vú, vi môi trường khối u, thấm nhập lymphô bào trong u, bệnh học kỹ thuật số
Tài liệu tham khảo
2. Zhang Y, Ji Y, Liu S, et al. Global burden of female breast cancer: new estimates in 2022, temporal trend and future projections up to 2050 based on the latest release from GLOBOCAN. Journal of the National Cancer Center. 2025;5(3):287-296.
3. Salgado R, Denkert C, Demaria S, et al. The evaluation of tumor-infiltrating lymphocytes (TILs) in breast cancer: recommendations by an International TILs Working Group 2014. Annals of oncology. 2015;26(2):259-271.
4. Tran Linh Dang Ngoc, Pham Tam Minh, Nguyen Quy Hoang, et al. Predictive and prognostic value of tumor-infiltrating lymphocytes in triple-negative breast cancer: a real-world study from Vietnam. Therapeutic Advances in Medical Oncology. 2025;17:17588359251403410.
5. Denkert C, Von Minckwitz G, Darb-Esfahani S, et al. Tumour-infiltrating lymphocytes and prognosis in different subtypes of breast cancer: a pooled analysis of 3771 patients treated with neoadjuvant therapy. The lancet oncology. 2018;19(1):40-50.
6. Trần Trung Toàn, Dương Thị Ngọc Ánh, Tạ Văn Tờ. Lympho bào xâm nhập u và mối liên quan với một số đặc điểm mô bệnh học trong ung thư biểu mô vú bộ ba âm tính. Tạp chí Nghiên cứu Y học. 2024;179(6):90-98.
7. International Immuno-Oncology Biomarker Working Group. Pitfalls in assessing stromal tumor infiltrating lymphocytes (sTILs) in breast cancer. NPJ Breast Cancer. 2020;6(1):17.
8. Van Bockstal MR, François A, Altinay S, et al. Interobserver variability in the assessment of stromal tumor-infiltrating lymphocytes (sTILs) in triple-negative invasive breast carcinoma influences the association with pathological complete response: the IVITA study. Modern pathology. 2021;34(12):2130-2140.
9. Evans AJ, Brown RW, Bui MM, et al. Validating whole slide imaging systems for diagnostic purposes in pathology. Archives of pathology & laboratory medicine. 2022;146(4):440-450.
10 Cai X, Chen Y, Li Q, et al. Prognostic value of tumor-infiltrating lymphocytes (TILs) in Luminal breast cancer: A novel computational method for assessing TILs abundance and spatial distribution patterns. The Breast. 2025:104634.
11. Đào Văn Tú, Bùi Thị Oanh, Nguyễn Lê Hiệp, Vũ Đức Hoàn, Đặng Hữu Dũng, Nguyễn Văn Chủ, Bùi Văn Giang, Tạ Văn Tờ. Tổng quan nghiên cứu ứng dụng trí tuệ nhân tạo trong chẩn đoán ung thư vú bằng ảnh giải phẫu bệnh kỹ thuật số. Tạp chí Y học Việt Nam. 2021;500(1).
12. Dunn GP, Bruce AT, Ikeda H, Old LJ, Schreiber RD. Cancer immunoediting: from immunosurveillance to tumor escape. Nature immunology. 2002;3(11):991-998.
13. Schreiber RD, Old LJ, Smyth MJ. Cancer immunoediting: integrating immunity’s roles in cancer suppression and promotion. Science. 2011;331(6024):1565-1570.
14. Hendry S, Salgado R, Gevaert T, et al. Assessing tumor-infiltrating lymphocytes in solid tumors: a practical review for pathologists and proposal for a standardized method from the international immunooncology biomarkers working group: part 1: assessing the host immune response, TILs in invasive breast carcinoma and ductal carcinoma in situ, metastatic tumor deposits and areas for further research. Advances in anatomic pathology. 2017;24(5):235-251.
15. Locy H, Verhulst S, Cools W, et al. Assessing tumor-infiltrating lymphocytes in breast cancer: a proposal for combining immunohistochemistry and gene expression analysis to refine scoring. Frontiers in immunology. 2022;13:794175.
16. Galon J, Costes A, Sanchez-Cabo F, et al. Type, density, and location of immune cells within human colorectal tumors predict clinical outcome. Science. 2006;313(5795):1960-1964.
17. Trương Thị Thảo Hiền. Liên quan giữa giá trị lympho bào xâm nhập mô đệm khối u và đáp ứng hoàn toàn về mô bệnh học trên bệnh nhân ung thư vú bộ ba âm tính điều trị tân bổ trợ. Tạp chí Y Dược lâm sàng 108. 2025;20(7).
18. Berben L, Wildiers H, Marcelis L, et al. Computerised scoring protocol for identification and quantification of different immune cell populations in breast tumour regions by the use of QuPath software. Histopathology. 2020;77(1):79-91.
19. Loughrey MB, Bankhead P, Coleman HG, et al. Validation of the systematic scoring of immunohistochemically stained tumour tissue microarrays using QuPath digital image analysis. Histopathology. 2018;73(2):327-338.
10. Bankhead P, Loughrey MB, Fernández JA, et al. QuPath: Open source software for digital pathology image analysis. Scientific reports. 2017;7(1):1-7.
21. Ruifrok AC, Johnston DA. Quantification of histochemical staining by color deconvolution. Anal Quant Cytol Histol. 2001;23(4):291-299.
22. Bera K, Schalper KA, Rimm DL, Velcheti V, Madabhushi A. Artificial intelligence in digital pathology-new tools for diagnosis and precision oncology. Nature reviews Clinical oncology. 2019;16(11):703-715.
23. Macenko M, Niethammer M, Marron JS, et al. A method for normalizing histology slides for quantitative analysis. 2009 IEEE Int Symp Biomed Imaging. 2009:1107-1110.
24. Acs B, Pelekanou V, Bai Y, et al. Ki67 reproducibility using digital image analysis: an inter-platform and inter-operator study. Laboratory Investigation.