Narzędzie AI przyspiesza klasyfikację guzów podczas operacji mózgu – Physics World

Narzędzie AI przyspiesza klasyfikację guzów podczas operacji mózgu – Physics World

Znacznik czasu: 20 listopada 2023 4:30

Szybkie sekwencjonowanie DNA
Szybka klasyfikacja Połączenie sekwencjonowania DNA z modelami sieci neuronowych znacznie przyspiesza identyfikację typu guza mózgu podczas operacji. (Dzięki uprzejmości: UMC Utrecht)

Dla neurochirurga usunięcie tkanki nowotworowej w mózgu stanowi doskonały balans między maksymalizacją ilości usuniętego guza w celu przedłużenia przeżycia pacjenta a minimalizacją ryzyka trwałego uszkodzenia neurologicznego. Nowe narzędzie, które łączy szybkie sekwencjonowanie DNA i sztuczną inteligencję w celu klasyfikacji guzów ośrodkowego układu nerwowego (OUN) podczas operacji raka mózgu, umożliwia neurochirurgom podejmowanie lepszych decyzji dotyczących zakresu resekcji guza, który przyniesie największe korzyści pacjentowi.

Chirurdzy mają ograniczoną wiedzę na temat rodzaju nowotworu przed operacją. Na początku operacji usuwa się fragmenty tkanki nowotworowej w celu natychmiastowej oceny histologicznej. Jednak sekwencjonowanie DNA do analizy histologicznej i molekularnej przez patologa zwykle wymaga tygodnia, aby postawić ostateczną diagnozę.

Dla porównania, nowe narzędzie – nazwane Sturgeon przez wieloinstytucjonalny zespół programistów w Holandii – umożliwia postawienie dokładnej diagnozy w przypadku większości nowotworów OUN w ciągu 90 minut. Kiedy neurochirurdzy poznają typ i agresywność guza, mogą na sali operacyjnej zmodyfikować strategię chirurgiczną, zgodnie z klasyfikacją guza.

„Podczas operacji czasami celowo pozostawia się niewielką pozostałość tkanki nowotworowej, aby zapobiec uszkodzeniom neurologicznym” – wyjaśnia neurochirurg dziecięcy Eelco Hoving w oświadczeniu prasowym. „Ale jeśli później okaże się na przykład, że guz jest bardzo agresywny, nadal może być konieczna druga operacja, aby usunąć ostatnią pozostałość. Można tego już teraz uniknąć, bo już przy pierwszej operacji będziemy wiedzieć, z jakim typem nowotworu mamy do czynienia.”

Zgłaszanie swoich ustaleń w Natura, badacze – z UMK w Utrechcie, UMC w Amsterdamie oraz Centrum Onkologii Dziecięcej Princess Máxima – wyjaśnij, w jaki sposób stworzyli, przeszkolili i przetestowali narzędzie. Opisują także jego zastosowanie podczas 25 operacji, podczas których Sturgeon dokładnie sklasyfikował 72% guzów w czasie krótszym niż 45 minut.

Sturgeon wykorzystuje szybkie sekwencjonowanie nanoporów – technologię, która pomaga odczytywać DNA w czasie rzeczywistym w celu uzyskania rzadkiego profilu metylacji podczas operacji. Wzory metylacji to modyfikacje DNA, które są wysoce charakterystyczne dla konkretnego typu nowotworu, umożliwiając molekularną podklasyfikację nowotworów OUN. Klasyfikator sieci neuronowej jest niezależny od pacjenta, co oznacza, że ​​nie wymaga szkolenia modelu specyficznego dla pacjenta, a jego uruchomienie na laptopie zajmuje tylko kilka sekund.

Ze względu na ograniczoną dostępność zbiorów danych dotyczących metylacji opartych na nanoporach, Topy Bastiaana, Jeroena de Riddera i współpracownicy opracowali strategię generowania realistycznych danych szkoleniowych na podstawie standardowych profili metylacji opartych na tablicach. Sturgeon wykorzystuje te dane do zwiększenia liczby dostępnych próbek szkoleniowych, symulując tysiące unikalnych eksperymentów sekwencjonowania nanoporów z każdego profilu metylacji guza. Ostatecznie ostateczne modele Sturgeona przeszkolono na 36.8 milionach symulowanych przebiegów nanoporów i zweryfikowano na dodatkowych 4.2 milionach.

Naukowcy początkowo przeszkolili Sturgeona w zakresie klasyfikacji nowotworów OUN i zastosowali je do nielicznych danych sekwencjonowania nanoporów w 50 próbkach nowotworów OUN oraz w publicznie dostępnym zestawie danych sekwencjonowanych próbek OUN. Model poprawnie sklasyfikował 45 z 50 próbek nowotworu w ciągu 40 minut od rozpoczęcia sekwencjonowania, uzyskując podobne wyniki w przypadku publicznego zbioru danych.

Aby konkretnie zweryfikować skuteczność Sturgeona w diagnozowaniu nowotworów OUN u dzieci, zespół uzyskał 94 profile metylacji od pacjentów pediatrycznych po resekcji guza OUN i wykorzystał je do symulacji eksperymentów z sekwencjonowaniem nanoporów. W przypadkach z jasną diagnozą Sturgeon poprawnie sklasyfikował (przy progu ufności 0.8) 95.3% z 34,000 25 symulowanych próbek w ciągu 97.1 minut i 50% w ciągu XNUMX minut.

„Wyniki te sugerują, że w zdecydowanej większości przypadków pediatrycznych, które można sklasyfikować… z bardzo niskim poziomem błędów, można postawić ostateczną diagnozę w ciągu 25–50 minut od symulowanego sekwencjonowania” – piszą.

Zespół zademonstrował także zastosowanie Sturgeona podczas 20 operacji pediatrycznych w Princess Máxima Center i pięciu operacji u dorosłych w UMC w Amsterdamie. Na potrzeby tego klinicznego badania wykonalności próbki uzyskane do oceny histologicznej podzielono, przy czym jedną część wykorzystano do sekwencjonowania śródoperacyjnego, a drugą do oceny histologicznej. Naukowcy podają, że Sturgeon poprawnie zdiagnozował 18 z 25 guzów w czasie krótszym niż 45 minut sekwencjonowania, przy całkowitym czasie realizacji diagnozy wynoszącym mniej niż 90 minut.

Jedynym ograniczeniem metody Sturgeon jest to, że działa dobrze tylko w próbkach, które są dostatecznie reprezentowane w danych szkoleniowych i które nie obejmują rzadkich typów nowotworu OUN. Jesiotr nie radzi sobie również dobrze z analizą próbek zawierających mniej niż 50% nieprawidłowych komórek. Dodatkowo duże próbki tkanek (około 5 mm3), są potrzebne do zapewnienia wystarczającego stężenia DNA.

Naukowcy mówią Świat Fizyki że dalszy rozwój tej metody obejmie zastosowanie w leczeniu innych typów nowotworów, takich jak mięsak lub białaczka, a także prospektywną walidację w celu wykazania korzyści dla pacjenta oraz badania na znacznie większej populacji pacjentów.

Znak czasu:

Więcej z Świat Fizyki