HGP-Mamba: 組織学と生成タンパク質特徴の統合によるMambaベースのマルチモーダル生存リスク予測

要約: マルチモーダル学習の最近の進展は、がんの生存リスク予測を著しく改善しました。しかし、タンパク質マーカーと組織病理画像の共同予後ポテンシャルは、主にタンパク質発現プロファイリングの高コストと入手性の制限のため、十分に探究されていません。この課題に対処するため、私たちはHGP-Mambaを提案します。これは、組織病理データと生成されたタンパク質特徴を生存リスク予測のために効率的に統合する、Mambaベースのマルチモーダルフレームワークです。具体的には、事前学習済みのファウンデーションモデルを活用して全スライド画像（WSIs）から直接高スループットなタンパク質埋め込みを導出するタンパク質特徴抽出器（PFE）を導入し、分子情報をデータ効率的に取り込むことを可能にします。形態学的パターンを捉える組織病理埋め込みと共に、局所的な相互作用を意識したMamba（LiAM）を導入して細かな特徴間の相互作用を高精度に捉え、スライドレベルでの全体的なモダリティ融合を促進するグローバル相互作用強化Mamba（GiEM）を導入して、複雑なクロスモーダル依存関係を捉えます。四つの公開がんデータセットでの実験は、HGP-Mambaが最先端の性能を達成する一方で既存手法と比較して優れた計算効率を維持することを示しています。我々のソースコードは以下で公開されています: この HTTPS URL。