• Correo ElectrónicoCorreo Electrónico
  • Dirección Nacional de Información AcadémicaDNINFOA - SIA
  • BibliotecaBibliotecas
  • ConvocatoriasConvocatorias
  • Identidad U.N.Identidad U.N.
Escudo de la República de ColombiaEscudo de la República de Colombia
  • English 
    • español
    • English
    • português (Brasil)
  • Aspirantes
  • Estudiantes
  • Egresados
  • Docentes
  • Administrativos
repositorio.unal.edu.co
Bibliotecas
  • Mapa de sedes
  • Amazonía
  • Bogotá
  • Caribe
  • Manizales
  • Medellín
  • Orinoquía
  • Palmira
Biblioteca Digital
  • Repositorio Institucional
  • Entrega de tesis y publicación en línea
  • Digitalización de documentos
  • Normatividad publicación en línea
  • Portal de Revistas UN
  • Suscripción a contenidos UN
  • Contáctenos
Recursos Bibliográficos
  • Recursos electrónicos
  • Catálogo UN
  • Diccionarios y enciclopedias
  • Herramientas bibliográficas
  • Libros electrónicos
  • Descubridor
  • Índices bibliográficos
  • Adquisicion de material bibliografico
Formación
  • Agenda de formación
  • Solicitud de nuevo taller
  • Guía de autoarchivo de documentos
Acerca de
  • Misión y visión
  • Dirección Nacional de Bibliotecas
  • Convenios y redes
  • Video del Sinab
  • Preguntas frecuentes
Sedes
  • Amazonia
  • Bogotá
  • Caribe
  • De La Paz
  • Manizales
  • Medellín
  • Orinoquia
  • Palmira
  • Tumaco
Servicios
Perfiles
Home
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Bogotá
  • Facultad de Medicina
  • Escuela de Educación Médica
  • View Item
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Bogotá
  • Facultad de Medicina
  • Escuela de Educación Médica
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Predicting patient outcome in lung cancer by a cluster analysis of lymphocyte population

Thumbnail
Thesis_Book_proposal_V5.pdf (14.33Mb)
Date published
2019-01-01
Author
Barrera Monje, Cristian Raul
Metadata
Show full item record

Summary
A number of papers have established that a high density of tumor-infiltrating lymphocytes (TILs) is highly correlated with a better prognosis for many different cancer types. Recently, some studies have shown that the spatial interplay between different subtypes of TILs (e.g. CD3, CD4, CD8) is more prognostic of disease outcome compared to just metrics related to TIL density. A challenge with TIL subtyping is that it relies on quantitative immunofluoresence or immunohistochemistry, complex, expensive, and tissue-destructive techniques. In this thesis, we present a new approach to identify TIL sub-groups and quantify the interplay between these sub-populations to analyze the association of these interplay features with recurrence in early stage lung cancer. The approach comprises a Dirichlet Process Gaussian Mixture Model that clusters lymphocytes on H and E images according to the set of 186 features. The approach was evaluated on a cohort of 178 early stage non-small cell lung cancer patients, 100 were used for model training and 78 for independent validation. Recurrence information was extracted from the patient medical records, where 5 years survival is the established range for remained recurrence-free. A Linear Discriminant Analysis classifier was trained in conjunction with clustered lymphocytes to predict the likelihood of recurrence in the test set. The features yielded an AUC=0.84 compared to an approach involving just TIL density alone (AUC=0.58). In addition, a Kaplan-Meier analysis showed that those features were able to statistically distinguish early recurrence from late recurrence (p = 4 ∗ 10 −5 with cutoff alpha of 0.05).
 
Resumen: Varios artículos han establecido que una alta densidad de linfocitos infiltrantes de tumor (TILs, por sus siglas en inglés), está altamente correlacionada con un mejor pronóstico en diferentes tipos de cáncer. Recientemente, algunos estudios han demostrado que la interacción espacial entre los diferentes subtipos de TILs (por ejemplo, CD3, CD4, CD8) resulta más informativa respecto al desenlace de la enfermedad en comparación con las métricas relacionadas con la densidad de TILs. Un desafío con la subtipificación de TILs es que ésta requiere inmunofluorescencia cuantitativa o inmunohistoquímica, técnicas complejas, costosas y destructivas de tejido. En esta tesis, presentamos un nuevo enfoque para identificar subgrupos de TILs y cuantificar la interacción entre dichos subtipos y mostrar la asociación de estas características de interacción con la recurrencia en pacientes con cáncer de pulmón en etapa temprana. El enfoque comprende un Modelo de Mezcla de Gaussianas junto con un proceso Dirichlet que agrupa linfocitos de acuerdo a un vector de 186 características, en imágenes H and E. El abordaje se evaluó en una cohorte de 178 pacientes con cáncer de pulmón de células no pequeñas en etapa inicial, 100 muestras se utilizaron para el entrenamiento del modelo propuesto y 78 para la validación independiente. La información de recurrencia del cáncer es obtenida en la historia clínica de los pacientes, donde la tasa de supervivencia a 5 años es el rango establecido sin recurrencia. estipula según ciertos criterios de recurrencia clínicamente definidos. Se entren´o un clasificador de análisis discriminante lineal (LDA, por sus siglas en inglés), junto con los linfocitos clusterizados para predecir la probabilidad de recurrencia en el conjunto de prueba. Las características arrojaron un AUC = 0,84 en comparación con un enfoque que tiene en cuenta únicamente la densidad de los TILs (AUC = 0,58). Además, un análisis de Kaplan-Meier mostró que las características podían distinguir estadísticamente entre la recurrencia temprana y recurrencia tardía (p = 4 ∗ 10−5 con un alfa de corte de 0.05).
 
Subject
Digital pathology ; Lung cancer ; Lymphocyte analysis ; Patología digital ; Cáncer de pulmón ; Análisis de linfocitos ;
URI
https://repositorio.unal.edu.co/handle/unal/69536
Collections
  • Escuela de Educación Médica [18]

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesKnowledge AreasThis CollectionBy Issue DateAuthorsTitlesKnowledge Areas

My Account

LoginRegister

Statistics

View Google Analytics Statistics
Régimen Legal
Talento humano
Contratación
Ofertas de empleo
Rendición de cuentas
Concurso docente
Pago Virtual
Control interno
Calidad
Buzón de notificaciones
Correo institucional
Mapa del sitio
Redes Sociales
FAQ
Quejas y reclamos
Atención en línea
Encuesta
Contáctenos
Estadísticas
Glosario

Contacto página web:
Carrera 45 # 26-85
Edif. Uriel Gutiérrez
Bogotá D.C., ; Colombia
(+57 1) 316 5000

© Copyright 2014
Algunos derechos reservados.
mediosdigitales@unal.edu.co
Acerca de este sitio web

Actualización: 04/10/19

Orgullo UNOrgullo UNAgencia de noticiasAgencia de noticias
Trámites en líneaContaduría General de la República