Lo strumento AI accelera la classificazione dei tumori durante la chirurgia cerebrale – Physics World

Per un neurochirurgo, la rimozione del tessuto canceroso nel cervello è un delicato atto di equilibrio tra la massimizzazione della quantità di tumore rimosso per prolungare la sopravvivenza del paziente e la minimizzazione del rischio di danni neurologici permanenti. Un nuovo strumento che combina il sequenziamento rapido del DNA e l’intelligenza artificiale per classificare i tumori del sistema nervoso centrale (SNC) durante l’intervento chirurgico per il cancro al cervello sta consentendo ai neurochirurghi di prendere decisioni migliori sull’entità della resezione del tumore che porterà maggiori benefici al paziente.

I chirurghi hanno una conoscenza limitata del tipo di tumore prima dell’intervento. All'inizio dell'intervento chirurgico, sezioni di tessuto tumorale vengono rimosse per la valutazione istologica immediata. Ma il sequenziamento del DNA per l’analisi istologica e molecolare da parte di un patologo richiede in genere una settimana per fornire una diagnosi definitiva.

In confronto, il nuovo strumento – chiamato Sturgeon dal suo team multiistituzionale di sviluppatori nei Paesi Bassi – può effettuare una diagnosi accurata entro 90 minuti per la maggior parte dei tumori del sistema nervoso centrale. E una volta che conoscono il tipo e l’aggressività del tumore, i neurochirurghi possono modificare la loro strategia chirurgica in sala operatoria come richiesto dalla classificazione del tumore.

"Durante l'intervento chirurgico, a volte viene deliberatamente lasciato un piccolo residuo di tessuto tumorale per prevenire danni neurologici", spiega il neurochirurgo pediatrico Eelco Hoving in un comunicato stampa. “Ma se in seguito si scopre, ad esempio, che il tumore è molto aggressivo, potrebbe essere ancora necessario un secondo intervento chirurgico per rimuovere l’ultimo residuo. Ora questo può essere evitato perché sapremo già durante il primo intervento chirurgico con quale tipo di tumore abbiamo a che fare”.

Riportando le loro scoperte in Natura, i ricercatori – da UMC Utrecht, UMC di Amsterdam e la Centro Princess Máxima di Oncologia Pediatrica – spiegare come hanno creato, addestrato e testato lo strumento. Descrivono anche il suo utilizzo durante 25 interventi chirurgici, durante i quali Sturgeon ha classificato accuratamente il 72% dei tumori in meno di 45 minuti.

Sturgeon funziona utilizzando il sequenziamento rapido dei nanopori, una tecnologia che aiuta a leggere il DNA in tempo reale, per ottenere un profilo di metilazione sparso durante l'intervento chirurgico. I modelli di metilazione sono modifiche del DNA altamente distintive per un singolo tipo di tumore, consentendo la sottoclassificazione molecolare dei tumori del sistema nervoso centrale. Il classificatore della rete neurale è indipendente dal paziente, il che significa che non richiede un addestramento del modello specifico per il paziente e richiede solo pochi secondi per essere eseguito su un computer portatile.

A causa della disponibilità limitata di set di dati sulla metilazione basati su nanopori, Bastiaan supera, Jeroen de Ridder e colleghi hanno sviluppato una strategia per generare dati di addestramento realistici da profili di metilazione standard basati su array. Sturgeon utilizza questi dati per sovracampionare il numero di campioni di addestramento disponibili, simulando migliaia di esperimenti unici di sequenziamento dei nanopori da ciascun profilo di metilazione del tumore. Alla fine, i modelli finali di Sturgeon sono stati addestrati su 36.8 milioni di percorsi simulati di nanopori e convalidati su ulteriori 4.2 milioni.

I ricercatori hanno inizialmente addestrato Sturgeon a eseguire la classificazione dei tumori del sistema nervoso centrale e li hanno applicati a dati di sequenziamento di nanopori sparsi in 50 campioni di tumore del sistema nervoso centrale e a un set di dati disponibile al pubblico di campioni di sistema nervoso centrale sequenziati. Il modello ha classificato correttamente 45 dei 50 campioni di tumore, entro 40 minuti dall’inizio del sequenziamento, con risultati simili per il set di dati pubblici.

Per convalidare in modo specifico le prestazioni di Sturgeon nella diagnosi dei tumori pediatrici del sistema nervoso centrale, il team ha ottenuto 94 profili di metilazione da pazienti pediatrici sottoposti a resezione del tumore del sistema nervoso centrale e li ha utilizzati per simulare esperimenti di sequenziamento dei nanopori. Per i casi con una diagnosi chiara, Sturgeon ha classificato correttamente (con una soglia di confidenza di 0.8) il 95.3% di 34,000 campioni simulati entro 25 minuti e il 97.1% entro 50 minuti.

"Questi risultati suggeriscono che una diagnosi conclusiva può essere raggiunta entro 25-50 minuti dal sequenziamento simulato per la stragrande maggioranza dei casi pediatrici che possono essere classificati... con un tasso di errore molto basso", scrivono.

Il team ha inoltre dimostrato l'uso dello Sturgeon durante 20 interventi chirurgici pediatrici presso il Centro Princess Máxima e cinque interventi chirurgici per adulti presso l'UMC di Amsterdam. Per questo studio di fattibilità clinica, i campioni ottenuti per la valutazione istologica sono stati divisi, con una parte utilizzata per il sequenziamento intraoperatorio e l'altra per la valutazione istologica. I ricercatori riferiscono che Sturgeon ha diagnosticato correttamente 18 dei 25 tumori in meno di 45 minuti di sequenziamento, con un tempo di risposta diagnostico totale inferiore a 90 minuti.

L'imaging infrarosso multispettrale migliora la guida della chirurgia oncologica

Una limitazione di Sturgeon è che funziona bene solo in campioni sufficientemente rappresentati nei dati di addestramento, che non includono tipi rari di tumore del sistema nervoso centrale. Sturgeon inoltre non funziona altrettanto bene quando si analizzano campioni contenenti meno del 50% di cellule anomale. Inoltre, campioni di tessuto di grandi dimensioni (circa 5 mm³), sono necessari per fornire una concentrazione di DNA sufficiente.

Lo raccontano i ricercatori Mondo della fisica che ulteriori sviluppi futuri di questo metodo includeranno l’applicazione ad altri tipi di tumore, come il sarcoma o la leucemia, nonché la validazione prospettica per dimostrare i benefici per i pazienti e studi su una popolazione di pazienti molto più ampia.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://physicsworld.com/a/ai-tool-accelerates-tumour-classification-during-brain-surgery/