AutoIHCスコアリング：ERおよびPR染色乳がん組織における分子発現の自動化されたALLREDスコアリングのための機械学習フレームワーク

乳がん免疫組織化学（IHC）マーカーの予後評価では、エストロゲン受容体（ER）とプロゲステロン受容体（PR）が広く使用されています。専門家の病理学者は、顕微鏡下で汚れた組織スライドを定性的に調査して、ALLREDスコアを提供します。これは、治療上の意思決定に臨床的に使用されています。このような定性的判断は時間がかかり、退屈であり、しばしば観察者間のばらつきに苦しんでいます。その結果、ERとPRのIHCスコアが不正確になります。これを克服するために、高いスループットの意思決定のために信頼できる効率的なIHC量子を開発する緊急の必要性があります。これを考慮して、我々の研究は、染色された組織画像からのERおよびPR分子発現の定量的評価のための自動IHCプロファイラーの開発を目的としています。ここでは、CMYKカラースペースを使用して、比例スコアのために積極的かつ負の染色細胞抽出を行うことを提案します。また、カラー機能は、正の染色された細胞間の強度スコアリングの定量的評価に使用されます。5つの異なる機械学習モデル、すなわち、人工ニューラルネットワーク、ナイーブベイズ、K-ニアストネイバー、意思決定ツリー、ランダムフォレストは、正の染色セルパッチの平均赤、緑、青のピクセル値を使用してカラー機能を学習するために考慮されます。ERおよびPR染色組織の50例が、専門家病理学者のスコアとの検証のために評価されています。5つのモデルはすべて、ランダムフォレストが専門家のスコアと最適な相関を示す場合、適切に機能します（ピアソンの相関係数= 0.9192）。提案されたアプローチでは、最先端の免疫型ソフトウェアの27.83％と比較して、専門家のスコアから核面積へのジアミノベンジジン（DAB）の平均変動は7.58％であることがわかりました。

In prognostic evaluation of breast cancer Immunohistochemical (IHC) markers namely, oestrogen receptor (ER) and progesterone receptor (PR) are widely used. The expert pathologist investigates qualitatively the stained tissue slide under microscope to provide the Allred score; which is clinically used for therapeutic decision making. Such qualitative judgment is time-consuming, tedious and more often suffers from interobserver variability. As a result, it leads to imprecise IHC score for ER and PR. To overcome this, there is an urgent need of developing a reliable and efficient IHC quantifier for high throughput decision making. In view of this, our study aims at developing an automated IHC profiler for quantitative assessment of ER and PR molecular expression from stained tissue images. We propose here to use CMYK colour space for positively and negatively stained cell extraction for proportion score. Also colour features are used for quantitative assessment of intensity scoring among the positively stained cells. Five different machine learning models namely artificial neural network, Naïve Bayes, K-nearest neighbours, decision tree and random forest are considered for learning the colour features using average red, green and blue pixel values of positively stained cell patches. Fifty cases of ER- and PR-stained tissues have been evaluated for validation with the expert pathologist's score. All five models perform adequately where random forest shows the best correlation with the expert's score (Pearson's correlation coefficient = 0.9192). In the proposed approach the average variation of diaminobenzidine (DAB) to nuclear area from the expert's score is found to be 7.58%, as compared to 27.83% for state-of-the-art ImmunoRatio software.