Bronchial premalignant lesions (PMLs) precede the development of invasive lung squamous carcinoma (LUSC); however, it is challenging to distinguish between PMLs that will progress to LUSC from those that will regress without intervention. We developed a computational pipeline using H&E whole slide images (WSIs) to stratify PMLs on the spectrum from normal to tumor tissue. Implementing a study across four data cohorts, including lung tumor resection tissue and endobronchial biopsies, our network distinguished carcinoma in situ biopsies by progression status, indicating that WSIs contain important information that could be used in combination with molecular markers to predict progression to cancer.

Multimodal machine learning models are being developed to analyze pathology images and other modalities, such as gene expression, to gain clinical and biological insights. However, most frameworks for multimodal data fusion do not fully account for the interactions between different modalities. Here, we present an attention-based fusion architecture that integrates a graph representation of pathology images with gene expression data and concomitantly learns from the fused information to predict patient-specific survival. In our approach, pathology images are represented as undirected graphs, and their embeddings are combined with embeddings of gene expression signatures using an attention mechanism to stratify tumors by patient survival. We show that our framework improves the survival prediction of human non-small cell lung cancers, outperforming existing state-of-the-art approaches that leverage multimodal data. Our framework can facilitate spatial molecular profiling to identify tumor heterogeneity using pathology images and gene expression data, complementing results obtained from more expensive spatial transcriptomic and proteomic technologies.