Orodje AI pospeši klasifikacijo tumorjev med operacijo možganov – Physics World

Orodje AI pospeši klasifikacijo tumorjev med operacijo možganov – Physics World

Časovni žig: 20. november 2023 4:30

Hitro sekvenciranje DNK
Hitro razvrščanje Kombinacija sekvenciranja DNK z modeli nevronske mreže znatno pospeši identifikacijo vrste možganskega tumorja med operacijo. (Z dovoljenjem: UMC Utrecht)

Za nevrokirurga je odstranitev rakastega tkiva v možganih dobro ravnotežje med maksimiranjem količine odstranjenega tumorja za podaljšanje bolnikovega preživetja in zmanjšanjem tveganja trajne nevrološke okvare. Novo orodje, ki združuje hitro določanje zaporedja DNK in umetno inteligenco za razvrščanje tumorjev osrednjega živčnega sistema (CNS) med operacijo možganskega raka, omogoča nevrokirurgom sprejemanje boljših odločitev o obsegu resekcije tumorja, ki bo najbolj koristila bolniku.

Kirurgi imajo pred operacijo omejeno znanje o vrsti tumorja. Ko se operacija začne, se deli tumorskega tkiva odstranijo za takojšnjo histološko oceno. Toda sekvenciranje DNK za histološko in molekularno analizo s strani patologa običajno zahteva en teden, da se zagotovi dokončna diagnoza.

Za primerjavo, novo orodje – ki ga je večinstitucionalna skupina razvijalcev na Nizozemskem poimenovala Sturgeon – lahko postavi natančno diagnozo v 90 minutah za večino tumorjev CNS. Ko nevrokirurgi poznajo vrsto in agresivnost tumorja, lahko spremenijo svojo kirurško strategijo v operacijski sobi, kot to zahteva klasifikacija tumorja.

»Med operacijo včasih namenoma pustimo majhen ostanek tumorskega tkiva, da preprečimo nevrološke poškodbe,« pojasnjuje pediatrični nevrokirurg Eelco Hoving v izjavi za javnost. »Če pa se pozneje izkaže, na primer, da je tumor zelo agresiven, bo morda še vedno potrebna druga operacija, da odstranimo ta zadnji ostanek. Temu se zdaj lahko izognemo, saj bomo že ob prvi operaciji vedeli, za kakšen tumor gre.«

Poročanje o svojih ugotovitvah v Narava, raziskovalci – iz UMC Utrecht, Amsterdam UMC in Center za pediatrično onkologijo Princess Máxima – pojasnijo, kako so ustvarili, usposobili in preizkusili orodje. Opisujejo tudi njegovo uporabo med 25 operacijami, kjer je Sturgeon natančno razvrstil 72 % tumorjev v manj kot 45 minutah.

Sturgeon deluje z uporabo hitrega sekvenciranja nanopor, tehnologije, ki pomaga brati DNK v realnem času, da se med operacijo pridobi redek profil metilacije. Vzorci metilacije so modifikacije DNA, ki so zelo značilne za posamezno vrsto tumorja, kar omogoča molekularno subklasifikacijo tumorjev CNS. Klasifikator nevronskih mrež je neodvisen od pacientov, kar pomeni, da ne zahteva posebnega usposabljanja za model pacienta in traja le nekaj sekund, da se zažene na prenosnem računalniku.

Zaradi omejene razpoložljivosti podatkovnih nizov metilacije na osnovi nanopor, Bastiaan Tops, Jeroen de Ridder in sodelavci so razvili strategijo za ustvarjanje realističnih podatkov o usposabljanju iz standardnih nizov metilacijskih profilov. Sturgeon uporablja te podatke za nadvzorčenje števila razpoložljivih učnih vzorcev, pri čemer simulira na tisoče edinstvenih poskusov zaporedja nanopor iz vsakega profila metilacije tumorja. Nazadnje so bili končni modeli Sturgeon usposobljeni na 36.8 milijonih simuliranih nanopor in validirani na dodatnih 4.2 milijonih.

Raziskovalci so Sturgeona najprej usposobili za klasifikacijo tumorjev CNS in jih uporabili za redke podatke o sekvenciranju nanopor v 50 vzorcih tumorjev CNS in javno dostopnem nizu podatkov sekvenciranih vzorcev CNS. Model je pravilno razvrstil 45 od 50 vzorcev tumorjev v 40 minutah po začetku sekvenciranja s podobnimi rezultati za javni nabor podatkov.

Da bi posebej potrdili Sturgeonovo uspešnost pri diagnosticiranju pediatričnih tumorjev osrednjega živčevja, je skupina pridobila 94 profilov metilacije pri pediatričnih bolnikih, ki so imeli resekcijo tumorja osrednjega živčevja, in jih uporabila za simulacijo poskusov sekvenciranja nanopor. Za primere z jasno diagnozo je Sturgeon pravilno razvrstil (pri pragu zaupanja 0.8) 95.3 % od 34,000 simuliranih vzorcev v 25 minutah in 97.1 % v 50 minutah.

"Ti rezultati kažejo, da je dokončno diagnozo mogoče doseči v 25–50 minutah simuliranega zaporedja za veliko večino pediatričnih primerov, ki jih je mogoče razvrstiti ... z zelo nizko stopnjo napak," pišejo.

Ekipa je tudi demonstrirala uporabo Sturgeona med 20 pediatričnimi operacijami v centru Princess Máxima in petimi operacijami za odrasle v amsterdamskem UMC. Za to študijo klinične izvedljivosti so bili vzorci, pridobljeni za histološko oceno, razdeljeni, pri čemer je bil en del uporabljen za intraoperativno sekvenciranje, drugi pa za histološko oceno. Raziskovalci poročajo, da je Sturgeon pravilno diagnosticiral 18 od 25 tumorjev v manj kot 45 minutah zaporedja, s skupnim časom diagnostičnega obrata manj kot 90 minut.

Ena od omejitev Sturgeona je, da deluje dobro samo v vzorcih, ki so dovolj zastopani v podatkih o usposabljanju, ki ne vključujejo redkih vrst tumorjev CNS. Sturgeon tudi ne deluje tako dobro pri analizi vzorcev, ki vsebujejo manj kot 50 % nenormalnih celic. Poleg tega veliki vzorci tkiva (približno 5 mm3), so potrebni za zagotovitev zadostne koncentracije DNK.

Raziskovalci pripovedujejo Svet fizike da bo nadaljnji prihodnji razvoj te metode vključeval uporabo pri drugih vrstah tumorjev, kot sta sarkom ali levkemija, kot tudi prospektivno validacijo za prikaz koristi za bolnike in študije v veliko večji populaciji bolnikov.

Časovni žig:

Več od Svet fizike