Pathological features in irritable bowel syndrome (IBS) include alterations in mucosal cell content and mediator release that might alter signaling to nearby submucosal neurons.Voltage sensitive dye imaging was used to record the effects of mediators, released from mucosal biopsies of IBS patients, on cell bodies of 1207 submucosal neurons from 76 human colonic tissue specimens. Supernatants, containing these mediators, were collected following incubation with colonic mucosal biopsies from 7 patients with diarrhea-predominant IBS (D-IBS), 4 with constipation-predominant IBS (C-IBS), and 4 healthy controls. Serotonin, histamine and tryptase concentrations in supernatants and lamina propria mast cell density were determined.In contrast to controls, IBS supernatants significantly increased the rate of spike discharge in 58% of human submucosal neurons. Neurons that responded to IBS supernatant had a median spike frequency of 2.4 Hz compared to 0 Hz for control supernatants. Supernatants from C-IBS and D-IBS evoked similar spike discharge. The activation induced by IBS supernatants was inhibited by histamine receptor (H1-H3) antagonists, 5-HT3 receptor antagonist, and protease inhibition. Serotonin, histamine and tryptase levels in supernatants correlated with the spike discharge induced by the supernatants. Mast cells density as well as histamine and tryptase levels in supernatants were higher in IBS than in controls.Mediators released from mucosal biopsies of IBS patients can activate human submucosal neurons. The activation required histamine, serotonin and proteases but was not associated with IBS subtype. Altered signaling between mucosa and the enteric nervous system might be involved in IBS pathogenesis.

In Brief Objective: An increasing number of patients with locally advanced gastric carcinomas (GC) are being treated with preoperative chemotherapy before surgery. Background: Histopathological tumor regression may have an important prognostic impact in addition to the UICC-TNM classification system. Methods: We evaluated the histopathological tumor regression in 480 surgical resection specimens of GC after neoadjuvant cisplatin-based chemotherapy, using an established system encompassing three tumor regression grades based on the estimation of the percentage of residual tumor tissue at the primary tumor site in relation to the macroscopically identifiable former tumor bed. Tumor regression was correlated to clinicopathological characteristics and patient survival. Results: Of the patients in this study, 102 (21.2%) had complete or subtotal tumor regression (<10% residual tumor), 121 (25.2%) had partial tumor regression (10–50% residual tumor), and 257 (53.5%) had minimal or no regression (>50% residual tumor). Tumor regression was significantly associated with posttreatment tumor category (pT), lymph node status (pN), lymphatic invasion status (pL), and resection status (P < 0.001). Major histopathological regression was less frequent in tumors of the distal stomach and tumors of nonintestinal type (P = 0.003). Tumor regression (P = 0.009) and postoperative Lymph node status (P < 0.001) were independent prognostic factors for survival in a multivariate analysis of tumor regression, ypT/N/L category, resection status, grading and Lauren´s classification. Conclusions: Assessment of histological tumor regression after preoperative chemotherapy in GC provides objective and highly valuable prognostic information in addition to posttherapeutic lymph node status. A standardized tumor regression grading system should be implemented in pathological reports of these tumors. We evaluated histopathological tumor regression in 480 surgical resection specimens of gastric cancer (GC) after neoadjuvant CTX using a well established tumor regression grading system. We demonstrate that tumor regression grade and post-therapeutic lymph node status are independent prognostic factors for survival in GC after neoadjuvant CTX.

BackgroundNeoadjuvant chemotherapy before surgery improves survival compared with surgery alone for patients with oesophageal cancer. The OE05 trial assessed whether increasing the duration and intensity of neoadjuvant chemotherapy further improved survival compared with the current standard regimen.MethodsOE05 was an open-label, phase 3, randomised clinical trial. Patients with surgically resectable oesophageal adenocarcinoma classified as stage cT1N1, cT2N1, cT3N0/N1, or cT4N0/N1 were recruited from 72 UK hospitals. Eligibility criteria included WHO performance status 0 or 1, adequate respiratory, cardiac, and liver function, white blood cell count at least 3 × 109 cells per L, platelet count at least 100 × 109 platelets per L, and a glomerular filtration rate at least 60 mL/min. Participants were randomly allocated (1:1) using a computerised minimisation program with a random element and stratified by centre and tumour stage, to receive two cycles of cisplatin and fluorouracil (CF; two 3-weekly cycles of cisplatin [80 mg/m2 intravenously on day 1] and fluorouracil [1 g/m2 per day intravenously on days 1–4]) or four cycles of epirubicin, cisplatin, and capecitabine (ECX; four 3-weekly cycles of epirubicin [50 mg/m2] and cisplatin [60 mg/m2] intravenously on day 1, and capecitabine [1250 mg/m2] daily throughout the four cycles) before surgery, stratified according to centre and clinical disease stage. Neither patients nor study staff were masked to treatment allocation. Two-phase oesophagectomy with two-field (abdomen and thorax) lymphadenectomy was done within 4–6 weeks of completion of chemotherapy. The primary outcome measure was overall survival, and primary and safety analyses were done in the intention-to-treat population. This trial is registered with the ISRCTN registry (number 01852072) and ClinicalTrials.gov (NCT00041262), and is completed.FindingsBetween Jan 13, 2005, and Oct 31, 2011, 897 patients were recruited and 451 were assigned to the CF group and 446 to the ECX group. By Nov 14, 2016, 327 (73%) of 451 patients in the CF group and 302 (68%) of 446 in the ECX group had died. Median survival was 23·4 months (95% CI 20·6–26·3) with CF and 26·1 months (22·5–29·7) with ECX (hazard ratio 0·90 (95% CI 0·77–1·05, p=0·19). No unexpected chemotherapy toxicity was seen, and neutropenia was the most commonly reported event (grade 3 or 4 neutropenia: 74 [17%] of 446 patients in the CF group vs 101 [23%] of 441 people in the ECX group). The proportions of patients with postoperative complications (224 [56%] of 398 people for whom data were available in the CF group and 233 [62%] of 374 in the ECX group; p=0·089) were similar between the two groups. One patient in the ECX group died of suspected treatment-related neutropenic sepsis.InterpretationFour cycles of neoadjuvant ECX compared with two cycles of CF did not increase survival, and cannot be considered standard of care. Our study involved a large number of centres and detailed protocol with comprehensive prospective assessment of health-related quality of life in a patient population confined to people with adenocarcinomas of the oesophagus and gastro-oesophageal junction (Siewert types 1 and 2). Alternative chemotherapy regimens and neoadjuvant chemoradiation are being investigated to improve outcomes for patients with oesophageal carcinoma.FundingCancer Research UK and Medical Research Council Clinical Trials Unit at University College London.

Abstract Artificial intelligence (AI) can extract subtle visual information from digitized histopathology slides and yield scientific insight on genotype-phenotype interactions as well as clinically actionable recommendations. Classical weakly supervised pipelines use an end-to-end approach with residual neural networks (ResNets), modern convolutional neural networks such as EfficientNet, or non-convolutional architectures such as vision transformers (ViT). In addition, multiple-instance learning (MIL) and clustering-constrained attention MIL (CLAM) are being used for pathology image analysis. However, it is unclear how these different approaches perform relative to each other. Here, we implement and systematically compare all five methods in six clinically relevant end-to-end prediction tasks using data from N=4848 patients with rigorous external validation. We show that histological tumor subtyping of renal cell carcinoma is an easy task which approaches successfully solved with an area under the receiver operating curve (AUROC) of above 0.9 without any significant differences between approaches. In contrast, we report significant performance differences for mutation prediction in colorectal, gastric and bladder cancer. Weakly supervised ResNet-and ViT-based workflows significantly outperformed other methods, in particular MIL and CLAM for mutation prediction. As a reason for this higher performance we identify the ability of ResNet and ViT to assign high prediction scores to highly informative image regions with plausible histopathological image features. We make all source codes publicly available at https://github.com/KatherLab/HIA , allowing easy application of all methods on any end-to-end problem in computational pathology.

Abstract Artificial Intelligence (AI) can support diagnostic workflows in oncology by aiding diagnosis and providing biomarkers. AI applications are therefore expected to evolve from academic prototypes to commercial products in the coming years. However, AI applications are vulnerable to adversarial attacks, such as malicious interference with test data aiming to cause misclassifications. Therefore, it is essential for the use of AI-based diagnostic devices to secure them against such attacks before widespread use. Unfortunately, no resistant systems exist in computational pathology so far. To address this problem, we investigate the susceptibility of convolutional neural networks (CNNs) to multiple types of white- and black-box attacks. We demonstrate that both attacks can easily confuse CNNs in clinically relevant pathology tasks and impair classification performance. Classical adversarially robust training and dual batch normalization (DBN) are possible mitigation strategies but require precise knowledge of the type of attack used in the inference. We demonstrate that vision transformers (ViTs) perform equally well compared to CNNs at baseline and are orders of magnitude more robust to different types of white-box and black-box attacks. At a mechanistic level, we show that this is associated with a more robust latent representation of clinically relevant categories in ViTs compared to CNNs. Our results are in line with previous theoretical studies. We show that ViTs are robust learners in computational pathology. This implies that large-scale rollout of AI models in computational pathology should rely on ViTs rather than CNN-based classifiers to provide inherent protection against adversaries.

The impact of special histological types (ST) in triple-negative breast cancer (TNBC) and its association with overall outcome has gained increasing relevance as survival has been linked to specific histological TNBC subtypes. We evaluated the clinicopathological and survival data of 598 patients with 613 TNBCs, including 464 TNBCs of no special type (NST) and 149 TNBCs ST (low-grade, n = 12, 8.1%; high-grade, n = 112, 75.2%; apocrine and androgen receptor-positive [APO AR], n = 25, 16.8%). Patients with low-grade TNBC ST and TNBC ST APO AR were significantly older (P < 0.001) and had a lower Ki67 index (P < 0.001) than those with TNBC NST. Patients with high-grade TNBC ST were significantly older (P = 0.006) and had poorer pathological responses to neoadjuvant chemotherapy (NAC) (P < 0.001) than those with TNBC NST. Significant survival differences were observed between low-grade TNBC ST, TNBC ST APO AR, high-grade TNBC ST, and TNBC NST in the entire study group (DFS, P = 0.002; DDFS, P = 0.001) and in the non-NAC subgroup (OS, P = 0.034; DFS, P = 0.001; DDFS, P < 0.001). Patients with low-grade TNBC ST had the best survival outcomes. Patients with high-grade TNBC ST showed significantly worse outcomes than those with TNBC NST (entire study group: OS, P = 0.049; DFS, P < 0.001; DDFS, P = 0.001; non-NAC subgroup: OS, P = 0.014; DFS, P < 0.001; DDFS, P < 0.001). We conclude that prognostic stratification of TNBC ST is ultimately important for optimizing the therapeutic management of patients with these rare tumor entities.