Інструмент штучного інтелекту прискорює класифікацію пухлин під час операції на мозку – Physics World

Для нейрохірурга видалення ракової тканини в головному мозку — це гарний баланс між збільшенням кількості видаленої пухлини для продовження виживання пацієнта та мінімізацією ризику постійного неврологічного пошкодження. Новий інструмент, який поєднує швидке секвенування ДНК і штучний інтелект для класифікації пухлин центральної нервової системи (ЦНС) під час хірургічного втручання раку головного мозку, дозволяє нейрохірургам приймати кращі рішення щодо ступеня видалення пухлини, що принесе найбільшу користь пацієнту.

Хірурги мають обмежені знання про тип пухлини до операції. Коли починається хірургічне втручання, ділянки пухлинної тканини видаляють для негайної гістологічної оцінки. Але секвенування ДНК для гістологічного та молекулярного аналізу патологоанатомом зазвичай вимагає тижня для встановлення остаточного діагнозу.

Для порівняння, новий інструмент, названий командою розробників у Нідерландах Sturgeon, може встановити точний діагноз протягом 90 хвилин для більшості пухлин ЦНС. І як тільки вони дізнаються тип пухлини та її агресивність, нейрохірурги можуть змінити свою хірургічну стратегію в операційній відповідно до класифікації пухлини.

«Під час операції іноді навмисно залишають невеликий залишок пухлинної тканини, щоб запобігти неврологічним пошкодженням», — пояснює дитячий нейрохірург. Eelco Hoving у заяві для преси. «Але якщо згодом виявиться, наприклад, що пухлина дуже агресивна, може знадобитися друга операція, щоб видалити останній залишок. Зараз цього можна уникнути, тому що ми вже під час першої операції дізнаємося, з яким типом пухлини маємо справу».

Повідомляючи про свої висновки в природа, дослідники – с UMC Утрехт, Амстердам UMC і Центр дитячої онкології принцеси Максими – пояснити, як вони створили, навчили та протестували інструмент. Вони також описують його використання під час 25 операцій, під час яких Стерджен точно класифікувала 72% пухлин менш ніж за 45 хвилин.

Sturgeon використовує швидке секвенування нанопор, технологію, яка допомагає зчитувати ДНК у реальному часі, щоб отримати розріджений профіль метилювання під час операції. Патерни метилювання — це модифікації ДНК, які дуже відрізняються від окремого типу пухлини, що дозволяє молекулярно підкласифікувати пухлини ЦНС. Класифікатор нейронної мережі не залежить від пацієнта, що означає, що він не потребує спеціального навчання моделі пацієнта, а для запуску на портативному комп’ютері потрібно лише кілька секунд.

Через обмежену доступність наборів даних метилювання на основі нанопор, Бастіан Топс, Йерун де Ріддер та його колеги розробили стратегію генерації реалістичних навчальних даних із стандартних профілів метилювання на основі масиву. Стерджен використовує ці дані для збільшення кількості доступних навчальних зразків, імітуючи тисячі унікальних експериментів секвенування нанопор з кожного профілю метилювання пухлини. Зрештою, остаточні моделі Sturgeon були навчені на 36.8 мільйонах змодельованих нанопор і підтверджені на додаткових 4.2 мільйонах.

Дослідники спочатку навчили Стерджен виконувати класифікацію пухлин ЦНС і застосували їх до розріджених даних секвенування нанопор у 50 зразках пухлин ЦНС і загальнодоступного набору даних секвенованих зразків ЦНС. Модель правильно класифікувала 45 із 50 зразків пухлини протягом 40 хвилин після початку секвенування з подібними результатами для загальнодоступного набору даних.

Щоб точно підтвердити ефективність Стерджен у діагностиці педіатричних пухлин ЦНС, команда отримала 94 профілі метилювання від педіатричних пацієнтів, які мали резекцію пухлини ЦНС, і використала їх для моделювання експериментів секвенування нанопор. Для випадків із чітким діагнозом Стерджен правильно класифікував (при порозі достовірності 0.8) 95.3% із 34,000 25 змодельованих зразків протягом 97.1 хвилин і 50% протягом XNUMX хвилин.

«Ці результати свідчать про те, що остаточний діагноз можна поставити протягом 25–50 хвилин симуляції секвенування для переважної більшості педіатричних випадків, які можна класифікувати… з дуже низьким рівнем помилок», — пишуть вони.

Команда також продемонструвала використання Sturgeon під час 20 педіатричних операцій у Princess Máxima Center і п’яти операцій для дорослих в Amsterdam UMC. Для цього дослідження клінічної здійсненності зразки, отримані для гістологічної оцінки, були розділені, одна частина використовувалася для інтраопераційного секвенування, а інша – для гістологічної оцінки. Дослідники повідомляють, що Стерджен правильно діагностувала 18 із 25 пухлин менш ніж за 45 хвилин секвенування, із загальним часом діагностики менше 90 хвилин.

Мультиспектральне інфрачервоне зображення покращує керівництво хірургією раку

Одним із обмежень Sturgeon є те, що він добре працює лише у зразках, які достатньо представлені в навчальних даних, які не включають рідкісні типи пухлин ЦНС. Стерджен також не працює добре при аналізі зразків, що містять менше 50% аномальних клітин. Крім того, великі зразки тканини (близько 5 мм³), необхідні для забезпечення достатньої концентрації ДНК.

Розповідають дослідники Світ фізики що подальші майбутні розробки цього методу включатимуть застосування до інших типів пухлин, таких як саркома або лейкемія, а також проспективну перевірку для демонстрації користі для пацієнтів і дослідження на значно більшій популяції пацієнтів.

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://physicsworld.com/a/ai-tool-accelerates-tumour-classification-during-brain-surgery/