AI-værktøj fremskynder tumorklassificering under hjernekirurgi – Physics World

AI-værktøj fremskynder tumorklassificering under hjernekirurgi – Physics World

Tidsstempel: 20. november 2023 kl. 4

Hurtig DNA-sekventering
Hurtig klassificering Kombination af DNA-sekventering med neurale netværksmodeller fremskynder signifikant identifikation af hjernetumortype under operation. (Med høflighed: UMC Utrecht)

For en neurokirurg er fjernelse af kræftvæv i hjernen en fin balancegang mellem at maksimere mængden af ​​fjernet tumor for at forlænge en patients overlevelse og minimere risikoen for permanent neurologisk skade. Et nyt værktøj, der kombinerer hurtig DNA-sekventering og kunstig intelligens til at klassificere tumorer i centralnervesystemet (CNS) under hjernekræftkirurgi, gør det muligt for neurokirurger at træffe bedre beslutninger om omfanget af tumorresektion, som vil gavne patienten mest.

Kirurger har begrænset viden om tumortypen forud for operationen. Når operationen begynder, fjernes sektioner af tumorvæv til øjeblikkelig histologisk vurdering. Men DNA-sekventeringen til histologisk og molekylær analyse af en patolog kræver typisk en uge for at give en endelig diagnose.

Til sammenligning kan det nye værktøj – navngivet Sturgeon af dets multi-institutionelle team af udviklere i Holland – stille en nøjagtig diagnose inden for 90 minutter for de fleste CNS-tumorer. Og når de kender tumortypen og aggressiviteten, kan neurokirurger ændre deres kirurgiske strategi på operationsstuen, som tumorklassificeringen tilsiger.

"Under operationen efterlades en lille rest af tumorvæv nogle gange bevidst for at forhindre neurologisk skade," forklarer pædiatrisk neurokirurg Eelco Hoving i en pressemeddelelse. "Men hvis det senere viser sig, for eksempel, at tumoren er meget aggressiv, kan en anden operation stadig være nødvendig for at fjerne den sidste rest. Dette kan undgås nu, fordi vi allerede ved den første operation vil vide, hvilken type tumor vi har at gøre med."

Rapportere deres resultater i Natur, forskerne – fra UMC Utrecht, Amsterdam UMC og Prinsesse Máxima Center for Pædiatrisk Onkologi – forklare, hvordan de har skabt, trænet og testet værktøjet. De beskriver også dets brug under 25 operationer, hvor Sturgeon præcist klassificerede 72% af tumorerne på mindre end 45 min.

Sturgeon arbejder ved at bruge hurtig nanopore-sekventering, en teknologi, der hjælper med at læse DNA i realtid, for at opnå en sparsom methyleringsprofil under operationen. Methyleringsmønstre er DNA-modifikationer, der er meget karakteristiske for en individuel tumortype, hvilket muliggør molekylær underklassificering af CNS-tumorer. Den neurale netværksklassifikator er patientagnostisk, hvilket betyder, at den ikke kræver patientspecifik modeltræning og kun tager et par sekunder at køre på en bærbar computer.

På grund af den begrænsede tilgængelighed af nanopore-baserede methyleringsdatasæt, Bastiaan Toppe, Jeroen de Ridder og kolleger udviklede en strategi til at generere realistiske træningsdata fra standard array-baserede methyleringsprofiler. Sturgeon bruger disse data til at upsample antallet af tilgængelige træningsprøver og simulerer tusindvis af unikke nanopore-sekventeringseksperimenter fra hver tumormethyleringsprofil. I sidste ende blev de endelige Sturgeon-modeller trænet på 36.8 millioner simulerede nanopore-kørsler og valideret på yderligere 4.2 millioner.

Forskerne trænede oprindeligt Sturgeon til at udføre CNS-tumorklassificering og anvendte dem til sparsomme nanopore-sekventeringsdata i 50 CNS-tumorprøver og et offentligt tilgængeligt datasæt af sekventerede CNS-prøver. Modellen klassificerede korrekt 45 ud af de 50 tumorprøver inden for 40 minutter efter start af sekventering med lignende resultater for det offentlige datasæt.

For specifikt at validere Sturgeons præstation i diagnosticering af pædiatriske CNS-tumorer, opnåede teamet 94 methyleringsprofiler fra pædiatriske patienter, som havde en CNS-tumorresektion og brugte disse til at simulere nanopore-sekventeringseksperimenter. For tilfælde med en klar diagnose klassificerede Sturgeon korrekt (ved en 0.8 konfidensgrænse) 95.3 % af 34,000 simulerede prøver inden for 25 minutter og 97.1 % inden for 50 minutter.

"Disse resultater tyder på, at en afgørende diagnose kan nås inden for 25-50 minutter efter simuleret sekventering for langt de fleste pædiatriske tilfælde, der kan klassificeres ... med en meget lav fejlrate," skriver de.

Holdet demonstrerede også brugen af ​​Sturgeon under 20 pædiatriske operationer på Princess Máxima Center og fem voksenoperationer ved Amsterdam UMC. Til denne kliniske gennemførlighedsundersøgelse blev prøver opnået til histologisk vurdering opdelt, hvor den ene del blev brugt til intraoperativ sekventering og den anden til histologisk vurdering. Forskerne rapporterer, at Sturgeon korrekt diagnosticerede 18 ud af de 25 tumorer på mindre end 45 minutters sekventering, med en total diagnostisk behandlingstid på mindre end 90 minutter.

En begrænsning ved Sturgeon er, at den kun klarer sig godt i prøver, der er tilstrækkeligt repræsenteret i træningsdata, som ikke inkluderer sjældne typer CNS-tumorer. Stør klarer sig heller ikke så godt, når man analyserer prøver, der indeholder mindre end 50 % af unormale celler. Derudover store vævsprøver (ca. 5 mm3), er nødvendige for at tilvejebringe tilstrækkelig DNA-koncentration.

Det fortæller forskerne Fysik verden at yderligere fremtidige udviklinger af denne metode vil omfatte anvendelse på andre tumortyper, såsom sarkom eller leukæmi, samt prospektiv validering for at påvise patientfordel og undersøgelser i en meget større patientpopulation.

Tidsstempel:

Mere fra Fysik verden