Tekoälytyökalu nopeuttaa kasvainten luokittelua aivoleikkauksen aikana – Physics World

Tekoälytyökalu nopeuttaa kasvainten luokittelua aivoleikkauksen aikana – Physics World

Aikaleima: 20. marraskuuta 2023 4

Nopea DNA-sekvensointi
Nopea luokittelu DNA-sekvensoinnin yhdistäminen hermoverkkomalleihin nopeuttaa merkittävästi aivokasvaintyypin tunnistamista leikkauksen aikana. (Kohtelias: UMC Utrecht)

Neurokirurgille syöpäkudoksen poistaminen aivoista on hieno tasapainotustoimenpide poistetun kasvaimen määrän maksimoimisen ja potilaan eloonjäämisen pidentämiseksi ja pysyvien neurologisten vaurioiden riskin minimoimisen välillä. Uusi työkalu, joka yhdistää nopean DNA-sekvensoinnin ja tekoälyn keskushermoston kasvainten luokitteluun aivosyövän leikkauksen aikana, antaa neurokirurgeille mahdollisuuden tehdä parempia päätöksiä kasvaimen resektion laajuudesta, joka hyödyttää potilasta eniten.

Kirurgeilla on vähän tietoa kasvaintyypistä ennen leikkausta. Leikkauksen alkaessa kasvainkudoksen leikkeet poistetaan välitöntä histologista arviointia varten. Mutta patologin suorittama DNA-sekvensointi histologista ja molekyylianalyysiä varten vaatii tyypillisesti viikon lopullisen diagnoosin saamiseksi.

Vertailun vuoksi, uusi työkalu, jonka moniinstituutioinen kehittäjätiimi Alankomaissa nimesi Sturgeoniksi, voi tehdä tarkan diagnoosin 90 minuutissa useimmista keskushermoston kasvaimista. Ja kun he tietävät kasvaimen tyypin ja aggressiivisuuden, neurokirurgit voivat muuttaa kirurgista strategiaansa leikkaussalissa kasvaimen luokituksen edellyttämällä tavalla.

"Leikkauksen aikana pieni jäännös kasvainkudosta jätetään joskus tarkoituksella taakse neurologisten vaurioiden estämiseksi", selittää lasten neurokirurgi. Eelco Hoving lehdistötiedotteessa. "Mutta jos myöhemmin esimerkiksi käy ilmi, että kasvain on erittäin aggressiivinen, toinen leikkaus saattaa silti olla tarpeen tuon viimeisen jäännöksen poistamiseksi. Tämä voidaan välttää nyt, koska tiedämme jo ensimmäisen leikkauksen aikana, minkä tyyppisen kasvaimen kanssa olemme tekemisissä."

Raportoivat löydöstään luonto, tutkijat – alkaen UMC Utrecht, Amsterdamin UMC ja Prinsessa Máxima lasten onkologian keskus – selittää, kuinka he loivat, kouluttivat ja testasivat työkalun. He kuvaavat myös sen käyttöä 25 leikkauksen aikana, joissa Sturgeon luokitteli tarkasti 72 % kasvaimista alle 45 minuutissa.

Sturgeon toimii käyttämällä nopeaa nanohuokosekvensointia, tekniikkaa, joka auttaa lukemaan DNA:ta reaaliajassa, jotta saadaan harva metylaatioprofiili leikkauksen aikana. Metylaatiokuviot ovat DNA-modifikaatioita, jotka erottelevat voimakkaasti yksittäisestä kasvaintyypistä, mikä mahdollistaa keskushermoston kasvainten molekyylien alaluokittelun. Neuraaliverkkoluokitus on potilasagnostikko, mikä tarkoittaa, että se ei vaadi potilaskohtaista mallikoulutusta ja kestää vain muutaman sekunnin toimiakseen kannettavalla tietokoneella.

Nanohuokospohjaisten metylaatiotietoaineistojen rajallisen saatavuuden vuoksi, Bastiaan Topit, Jeroen de Ridder ja kollegat kehittivät strategian realististen harjoitustietojen luomiseksi tavallisista taulukkopohjaisista metylaatioprofiileista. Sturgeon käyttää näitä tietoja kerätäkseen näytteitä käytettävissä olevien harjoitusnäytteiden lukumäärästä ja simuloi tuhansia ainutlaatuisia nanohuokosekvensointikokeita kustakin kasvaimen metylaatioprofiilista. Lopulta lopulliset Sturgeon-mallit koulutettiin 36.8 miljoonalla simuloidulla nanohuokosajossa ja validoitiin 4.2 miljoonalla lisäyksellä.

Tutkijat kouluttivat Sturgeonia alun perin suorittamaan CNS-kasvainten luokittelun ja käyttivät niitä harvaan nanohuokosekvensointitietoihin 50 CNS-kasvainnäytteessä ja julkisesti saatavilla olevassa tietojoukossa sekvensoituja keskushermostonäytteitä. Malli luokitteli oikein 45 50 kasvainnäytteestä 40 minuutin sisällä sekvensoinnin aloittamisesta, ja julkisen tietojoukon tulokset olivat samanlaiset.

Vahvistaakseen erityisesti Sturgeonin suorituskykyä lasten keskushermostokasvaimien diagnosoinnissa ryhmä sai 94 metylaatioprofiilia lapsipotilailta, joille oli tehty keskushermoston kasvaimen resektio, ja käytti niitä simuloimaan nanohuokosekvensointikokeita. Selkeän diagnoosin osalta Sturgeon luokitteli oikein (luottamuskynnyksellä 0.8) 95.3 % 34,000 25 simuloidusta näytteestä 97.1 minuutin sisällä ja 50 % XNUMX minuutin sisällä.

"Nämä tulokset viittaavat siihen, että lopullinen diagnoosi voidaan saavuttaa 25–50 minuutin kuluessa simuloidusta sekvensoinnista suurimmalle osalle lapsitapauksista, jotka voidaan luokitella… erittäin alhaisella virhetasolla", he kirjoittavat.

Ryhmä esitteli myös Sturgeonin käyttöä 20 lastenleikkauksessa Princess Máxima Centerissä ja viidessä aikuisten leikkauksessa Amsterdamin UMC:ssä. Tätä kliinistä toteutettavuustutkimusta varten histologista arviointia varten saadut näytteet jaettiin, ja toista osa käytettiin intraoperatiiviseen sekvensointiin ja toista histologiseen arviointiin. Tutkijat raportoivat, että Sturgeon diagnosoi oikein 18 25 kasvaimesta alle 45 minuutin sekvensoinnin aikana, ja diagnostisen kokonaiskestoaika oli alle 90 minuuttia.

Yksi Sturgeonin rajoituksista on, että se toimii hyvin vain näytteissä, jotka ovat riittävästi edustettuina koulutustiedoissa, jotka eivät sisällä harvinaisia ​​​​CNS-kasvaintyyppejä. Sturgeon ei myöskään toimi yhtä hyvin analysoitaessa näytteitä, jotka sisältävät alle 50 % epänormaaleja soluja. Lisäksi suuria kudosnäytteitä (noin 5 mm3), tarvitaan riittävän DNA-pitoisuuden aikaansaamiseksi.

Tutkijat kertovat Fysiikan maailma että tämän menetelmän tulevaan kehitykseen kuuluu soveltaminen muihin kasvaintyyppeihin, kuten sarkoomaan tai leukemiaan, sekä prospektiivinen validointi potilashyödyn osoittamiseksi ja tutkimukset paljon suuremmalla potilaspopulaatiolla.

Aikaleima:

Lisää aiheesta Fysiikan maailma