Immunoprofiling and Texture Analysis of Myeloid Malignancies with Computational Histopathology

Histopathology is used in the diagnosis of hematologic malignancies to identify and immunophenotype leukemic cells. However, the surrounding immunologic microenvironment is not characterized in routine clinical practice. This thesis aims to profile immune populations of the chronic (CML) and acute myeloid leukemia (AML) bone marrow (BM) from a T cell perspective. Moreover, we evaluate the potential of machine learning for characterizing molecular genetics and prognosis using H&E stained BM samples of myelodysplastic syndrome (MDS) patients. In study I, we collected diagnostic BM biopsies of 56 chronic-phase CML (CP-CML) patients and 14 control subjects. These were profiled with multiplex immunohistochemistry (mIHC) and image analysis. Compared to control subjects, T cells expressed higher levels of immune checkpoint receptors PD-1, TIM-3 and CTLA-4. PD-1 expression was elevated in the BM compared to PB emphasizing the priority to study BM samples in hemato-oncological research. Moreover, PD-1 expression decreased in T cells during tyrosine kinase (TKI) therapy indicating restoration of the normal immune phenotype. In study II, we collected diagnostic BM biopsies of 52 B-cell acute lymphoblastic leukemia (B-ALL) and 69 AML patients. These were studied with mIHC and image analysis, and the results were combined with data from study I. We could accurately classify AML, B-ALL, CML, and control subjects based on their immunologic profiles. We identified two AML clusters, which contrasted by patient age, T-cell receptor clonality, and prognosis suggesting that patient age could be associated with a distinct clinical phenotype. In study III, we collected BM biopsies of 236 MDS, 87 myelodysplastic syndrome/myeloproliferative neoplasm (MDS/MPN), and 11 control subjects. We applied convolutional neural networks to examine the spectrum of morphological features. Moreover, we used multivariate regression models to predict the occurrence of genetic aberrations, patient demographics and prognosis. We found that morphological features predict reliably the occurrence of TET2 mutations, spliceosome mutations and chromosome 7 monosomy. The prediction accuracy correlated both with the variant allele frequency and the number of affected genes per pathway. Finally, we identified morphological patterns associated with individual gene and cytogenetic aberrations, patient age, gender, and survival. The thesis shows that leukemic patients form distinct subgroups based on their BM immune microenvironments and their detailed immunoprofiling can help to identify novel prognostic biomarkers. Morever, deep learning -based mining of the BM texture could help to understand the cellular composition and morphology related to molecular genetics profiles.Luuytimen histopatologiaa käytetään hematologisten syöpien diagnosoinnissa. Patologi pyrkii tulkitsemaan luuytimen rakennetta sekä mahdollisia poikkeavia soluja tai solumääriä. Ympäröivän normaalin immunologisen solukon kliininen merkitys on epäselvää. Tämän väitöskirjan tavoitteena on tutkia, kuinka myelooisia leukemioita sairastavien potilaiden luuytimen immunologinen mikroympäristö ja kudosmorfologia liittyvät kliiniseen taudinkuvaan. Osatyössä I keräsimme diagnostisia luuydinkoepaloja 56 kroonista myelooista leukemiaa sairastavalta potilaalta ja 14 verrokilta. Nämä analysoitiin multiplex immunohistokemiallisella menetelmällä ja kuva-analyysillä. Verrokkeihiin verrattuna leukemiapotilaiden T-solut ilmensivät suurempia määriä immuunitarkistuspistemolekyylejä PD-1, TIM-3 ja CTLA-4. PD-1-reseptorin ilmentyminen oli korkeampaa luuytimessä verrattuna perifeerisen veren tasoihin korostaen, miksi luuydinnäytteitä tulisi priorisoida immunohematologisessa tutkimuksessa. Lisäksi PD-1-ilmentyminen väheni T-soluissa tyrosiinikinaasihoidon aikana heijastaen normaalin immunologisen fenotyypin palautumista. Osatyössä II tutkimme diagnostisia luuydinkoepaloja 52 B-soluista akuuttia lymfoblastista leukemiaa ja 69 akuuttia myelooista leukemiaa (AML) sairastavalta potilaalta multiplex immunohistokemialla ja kuva-analyysillä. Yhdistimme osatöiden I ja II immunologiset profilointitulokset ja kehitimme näistä monimuuttujamallin tunnistaakseen potilaiden diagnoosin. Lisäksi löysimme kaksi AML-alaryhmää, jotka poikkesivat toisistaan diagnoosivaiheen iän, T-solureseptorin kirjavuuden ja ennusteen suhteen. Osatyössä III analysoimme 236 myelodysplastista oireyhtymää ja 87 myelodysplastisen/myeloproliferatiivisen oireyhtymää sairastavan potilaan sekä 11 verrokin luuydinkoepalat rutiini-H&E-värjäyksellä. Käytimme konvoluutioverkkoja tulkitaksemme kudosmorfologiaa ja monimuuttujamalleja ennustaaksemme geneettisiä poikkeamia, kliinisiä muuttujia ja eloonjäämisennustetta. Havaitsimme, että morfologiset ominaisuudet ennustavat luotettavasti TET2-geenin mutaatioita, spliceosomigeenien mutaatioita ja kromosomi 7 -monosomian. Algoritmien tarkkuus korreloi sekä mutaation alleelikuorman että signalointireittejä tutkittaessa myös niihin kuuluvien poikkeavien geenien lukumäärän kanssa. Väitöskirja osoittaa, että yksityiskohtaisella luuytimen immunologisella profiloinnilla voidaan tunnistaa erilaisia tautifenotyyppejä sekä uusia ennusteellisia biomarkkereita. Lisäksi syväoppimispohjainen kudostekstuurin louhinta voi auttaa paremmin ymmärtämään, kuinka kudosmorfologia liittyy taudin molekyyligeneettisiin profiileihin