כלי בינה מלאכותית חדשנית מנבא הישרדות של סרטן המעי הגס מתמונות פתולוגיה - Physics World

סרטן מעי גס (CRC) הוא הגורם השני בשכיחותו למוות מסרטן בארצות הברית, מה שמוביל לכ-53,000 מקרי מוות מדי שנה. CRC היא מחלה מורכבת ורבת פנים המציבה אתגרים משמעותיים באבחון, פרוגנוזה ובחירת טיפול. במחקר שדווח ב תקשורת טבע, קון-הסינג יו והצוות שלו בבית הספר לרפואה של הרווארד פיתח את Multi-omics Multi-cohort Assessment (MOMA) system, מסגרת למידת מכונה לחיזוי פרוגנוזה בחולי סרטן המעי הגס.

החוקרים הראו כי תמונות היסטופתולוגיה יכולות לשמש כמנבאים אמינים של סטיות מולטי-אומיות: גנומיות, אפיגנומיות, טרנסקריפטומיות ופרוטאומיות. "ממצאים אלה טומנים בחובם הבטחה גדולה לשיפור תוצאות המטופלים ולשינוי הדרך בה אנו ניגשים לטיפול בסרטן המעי הגס", אומר יו.

השיטות הנוכחיות להערכת פרוגנוזה של CRC כוללות שילוב של ניתוח נתונים היסטופתולוגי, גנומי וקליני, כאשר בדיקה היסטופתולוגית נותרה תקן הזהב לאבחון. בחירת הטיפול ב-CRC מבוססת על תת-סוגים היסטולוגיים ווריאציות גנטיות. עם זאת, דווחו שינויים בין-מדורגים באבחון ההיסטופתולוגי, ותהליך הניתוח הגנומי עשוי להימשך ימים או אפילו שבועות, בנוסף לכך שאינו זמין בכל המרפאות במדינות מתפתחות. מגבלות כאלה עשויות למנוע מחולי CRC לקבל טיפולים מתאימים בזמן.

יו וצוות המחקר שלו זיהו את חוסר היכולת של ניתוח אנושי של תמונות היסטופתולוגיה לפתוח מידע רב ערך על המחלה. MOMA משתמש בטכניקות מתקדמות של ניתוח תמונה ואלגוריתמים של למידת מכונה (ML) כדי לגשר על הפער בין הבדיקה החזותית של גידולים לבין הסטיות המולקולריות המצויות בתאי הגידול. מסגרת ה-ML מנבאת בהצלחה את התחזית של חולי סרטן המעי הגס בשלב מוקדם ומזהה את המצב הגנומי והפרוטאומי של דגימות סרטן באמצעות תמונות היסטופתולוגיה.

החוקרים פיתחו מודל למידה עמוקה שיכול לחלץ תכונות ודפוסים מתמונות היסטופתולוגיה דיגיטליות, המאפשר זיהוי של תכונות תא חשובות הקשורות לתנאים מסוימים. הם אימנו את המודל שלהם באמצעות מידע שהתקבל מ-1888 חולי סרטן המעי הגס מאוכלוסיות מגוונות.

בבדיקות על תמונות שלא נראו, המודל המבוסס על היסטופתולוגיה הראה דיוק יוצא דופן בחיזוי מגוון רחב של מוטציות, כולל שינויים גנומיים וריאציות טרנסקריפטומיות. בנוסף, מודל הבינה המלאכותית חזה את תוצאות ההישרדות של המטופלים, והצביע על הפוטנציאל של מאפייני התמונה ההיסטופתולוגיים כמדדים פרוגנוסטיים.

"רדיומיקה רב-גונית" מנבאת סיכון לגרורות בסרטן

הצוות מציע כי מודל ה-ML יכול גם להקל על פיתוח רפואה מותאמת אישית, עם שילוב של תמונות היסטופתולוגיה ונתוני אומיקס כמותיים פותחים אפיקים מלהיבים לטיפולי סרטן מותאמים אישית. גישה זו טומנת בחובה הבטחה רבה לאופטימיזציה של אפשרויות הטיפול, מזעור תופעות הלוואי ושיפור התוצאות הכוללות של המטופל.

עם הפיתוח של אלגוריתמים מתוחכמים וטכניקות עיבוד תמונה, ניתן לשלב כלי בינה מלאכותית לניתוחי תמונה היסטופתולוגיים בפרקטיקה הקלינית השגרתית. בעתיד, אונקולוגים, פתולוגים ואנשי מקצוע אחרים בתחום הבריאות יוכלו להשתמש בכלי בעל ערך זה כדי לשפר את דיוק האבחון, לחזות תגובה לטיפול ולהתאים טיפולים לחולי סרטן המעי הגס.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• EVM Finance. ממשק מאוחד למימון מבוזר. גישה כאן.
• Quantum Media Group. IR/PR מוגבר. גישה כאן.
• PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
• מקור: https://physicsworld.com/a/novel-ai-tool-predicts-colorectal-cancer-survival-from-pathology-images/