AI-verktøy akselererer svulstklassifisering under hjernekirurgi – Physics World

AI-verktøy akselererer svulstklassifisering under hjernekirurgi – Physics World

Tidsstempel: 20. november 2023, kl

Rask DNA-sekvensering
Rask klassifisering Kombinasjon av DNA-sekvensering med nevrale nettverksmodeller øker betydelig hastighet på identifiseringen av hjernesvulsttype under operasjonen. (Med tillatelse: UMC Utrecht)

For en nevrokirurg er fjerning av kreftvev i hjernen en fin balansegang mellom å maksimere mengden svulst som fjernes for å forlenge en pasients overlevelse og minimere risikoen for permanent nevrologisk skade. Et nytt verktøy som kombinerer rask DNA-sekvensering og kunstig intelligens for å klassifisere svulster i sentralnervesystemet (CNS) under kreftkirurgi i hjernen, gjør det mulig for nevrokirurger å ta bedre beslutninger om omfanget av svulstreseksjon som vil ha størst fordel for pasienten.

Kirurger har begrenset kunnskap om svulsttypen før operasjonen. Når operasjonen starter, fjernes deler av tumorvev for umiddelbar histologisk vurdering. Men DNA-sekvensering for histologisk og molekylær analyse av en patolog krever vanligvis en uke for å gi en definitiv diagnose.

Til sammenligning kan det nye verktøyet – kalt Sturgeon av sitt multi-institusjonelle team av utviklere i Nederland – stille en nøyaktig diagnose innen 90 minutter for de fleste CNS-svulster. Og når de først kjenner svulsttypen og aggressiviteten, kan nevrokirurger endre sin kirurgiske strategi i operasjonssalen slik svulstklassifiseringen tilsier.

"Under operasjonen blir en liten rest av tumorvev noen ganger bevisst etterlatt for å forhindre nevrologisk skade," forklarer pediatrisk nevrokirurg Eelco Hoving i en pressemelding. "Men hvis det senere viser seg for eksempel at svulsten er veldig aggressiv, kan det likevel være nødvendig med en ny operasjon for å fjerne den siste resten. Dette kan unngås nå fordi vi allerede under den første operasjonen vil vite hvilken type svulst vi har å gjøre med.»

Rapportere funnene sine i Natur, forskerne – fra UMC Utrecht, Amsterdam UMC og Prinsesse Máxima senter for pediatrisk onkologi – forklare hvordan de skapte, trente og testet verktøyet. De beskriver også bruken under 25 operasjoner, der Sturgeon nøyaktig klassifiserte 72 % av svulstene på mindre enn 45 minutter.

Sturgeon fungerer ved å bruke rask nanopore-sekvensering, en teknologi som hjelper til med å lese DNA i sanntid, for å oppnå en sparsom metyleringsprofil under operasjonen. Metyleringsmønstre er DNA-modifikasjoner som er svært karakteristiske for en individuell tumortype, noe som muliggjør molekylær subklassifisering av CNS-svulster. Den nevrale nettverksklassifikatoren er pasientagnostisk, noe som betyr at den ikke krever pasientspesifikk modelltrening, og tar bare noen få sekunder å kjøre på en bærbar datamaskin.

På grunn av den begrensede tilgjengeligheten av nanoporebaserte metyleringsdatasett, Bastiaan Topper, Jeroen de Ridder og kolleger utviklet en strategi for å generere realistiske treningsdata fra standard array-baserte metyleringsprofiler. Sturgeon bruker disse dataene til å oppsample antall tilgjengelige treningsprøver, og simulerer tusenvis av unike nanopore-sekvenseringseksperimenter fra hver tumormetyleringsprofil. Til syvende og sist ble de endelige Sturgeon-modellene trent på 36.8 millioner simulerte nanopore-løp og validert for ytterligere 4.2 millioner.

Forskerne trente først Sturgeon til å utføre CNS-svulstklassifisering og brukte dem på sparsomme nanopore-sekvenseringsdata i 50 CNS-svulstprøver og et offentlig tilgjengelig datasett med sekvenserte CNS-prøver. Modellen klassifiserte korrekt 45 av de 50 tumorprøvene, innen 40 minutter etter start av sekvensering, med lignende resultater for det offentlige datasettet.

For å spesifikt validere Sturgeons ytelse i diagnostisering av pediatriske CNS-svulster, innhentet teamet 94 metyleringsprofiler fra pediatriske pasienter som hadde en CNS-tumorreseksjon og brukte disse til å simulere nanopore-sekvenseringseksperimenter. For tilfeller med en klar diagnose, klassifiserte Sturgeon korrekt (ved en 0.8 konfidensgrense) 95.3 % av 34,000 25 simulerte prøver innen 97.1 minutter, og 50 % innen XNUMX minutter.

"Disse resultatene tyder på at en avgjørende diagnose kan nås innen 25–50 minutter etter simulert sekvensering for det store flertallet av pediatriske tilfeller som kan klassifiseres ... med en veldig lav feilrate," skriver de.

Teamet demonstrerte også bruken av Sturgeon under 20 pediatriske operasjoner ved Princess Máxima Center og fem voksenoperasjoner ved Amsterdam UMC. For denne kliniske mulighetsstudien ble prøver innhentet for histologisk vurdering delt, med en del brukt til intraoperativ sekvensering og den andre for histologisk vurdering. Forskerne rapporterer at Sturgeon korrekt diagnostiserte 18 av de 25 svulstene på mindre enn 45 minutter med sekvensering, med en total diagnostisk behandlingstid på mindre enn 90 minutter.

En begrensning ved Sturgeon er at den bare fungerer godt i prøver som er tilstrekkelig representert i treningsdata, som ikke inkluderer sjeldne typer CNS-svulster. Stør presterer heller ikke like godt når man analyserer prøver som inneholder mindre enn 50 % av unormale celler. I tillegg, store vevsprøver (ca. 5 mm3), er nødvendig for å gi tilstrekkelig DNA-konsentrasjon.

Det forteller forskerne Fysikkens verden at videre fremtidig utvikling av denne metoden vil inkludere anvendelse på andre tumortyper, som sarkom eller leukemi, samt prospektiv validering for å demonstrere pasientnytte og studier i en mye større pasientpopulasjon.

Tidstempel:

Mer fra Fysikkens verden