人工智能工具加速脑外科手术中的肿瘤分类 – 物理世界

人工智能工具加速脑外科手术中的肿瘤分类 – 物理世界

时间戳记：20年2023月4日上午30:XNUMX

快速DNA测序
快速分类 将 DNA 测序与神经网络模型相结合，可显着加快手术过程中脑肿瘤类型的识别速度。 （由 UMC 乌得勒支提供）

对于神经外科医生来说，切除大脑中的癌组织是最大化切除肿瘤数量以延长患者生存时间和最小化永久性神经损伤风险之间的良好平衡。一种新工具结合了快速 DNA 测序和人工智能，可在脑癌手术期间对中枢神经系统 (CNS) 肿瘤进行分类，使神经外科医生能够就肿瘤切除范围做出更好的决策，从而最有利于患者。

外科医生在手术前对肿瘤类型的了解有限。手术开始时，取出肿瘤组织切片以立即进行组织学评估。但病理学家进行组织学和分子分析的 DNA 测序通常需要一周时间才能提供明确的诊断。

相比之下，由荷兰多机构开发团队命名的新工具 Sturgeon 可以在 90 分钟内对大多数中枢神经系统肿瘤做出准确诊断。一旦知道肿瘤类型和侵袭性，神经外科医生就可以根据肿瘤分类的需要在手术室修改手术策略。

“在手术过程中，有时会故意留下一小部分肿瘤组织，以防止神经损伤，”儿科神经外科医生解释道 埃尔科霍芬 在一份新闻声明中。 “但如果后来发现，例如，肿瘤非常具有侵袭性，则可能仍然需要进行第二次手术来去除最后的残余物。现在可以避免这种情况，因为我们在第一次手术中就已经知道我们正在处理的肿瘤类型。”

报告他们的发现 自然，研究人员 – 来自 联华电子乌特勒支, 阿姆斯特丹联电 和 马克西玛公主儿科肿瘤中心 – 解释他们如何创建、训练和测试该工具。他们还描述了它在 25 次手术中的使用情况，其中 Sturgeon 在不到 72 分钟的时间内准确地分类了 45% 的肿瘤。

Sturgeon 通过使用快速纳米孔测序（一种有助于实时读取 DNA 的技术）来在手术期间获得稀疏的甲基化图谱。甲基化模式是一种 DNA 修饰，对个体肿瘤类型具有高度独特性，可对 CNS 肿瘤进行分子亚分类。神经网络分类器与患者无关，这意味着它不需要针对特定​​患者的模型训练，并且只需几秒钟即可在笔记本电脑上运行。

由于基于纳米孔的甲基化数据集的可用性有限， 巴斯蒂安上衣, 杰罗恩·德·里德 和同事制定了一种策略，从基于标准阵列的甲基化图谱生成真实的训练数据。 Sturgeon 使用这些数据对可用训练样本的数量进行上采样，从每个肿瘤甲基化谱中模拟数千个独特的纳米孔测序实验。最终，最终的 Sturgeon 模型接受了 36.8 万次模拟纳米孔运行的训练，并在另外 4.2 万次运行中进行了验证。

研究人员最初训练 Sturgeon 进行 CNS 肿瘤分类，并将其应用于 50 个 CNS 肿瘤样本的稀疏纳米孔测序数据以及公开的 CNS 测序样本数据集。该模型在开始测序后 45 分钟内正确分类了 50 个肿瘤样本中的 40 个，与公共数据集的结果相似。

为了专门验证 Sturgeon 在诊断儿科 CNS 肿瘤方面的性能，该团队从接受过 CNS 肿瘤切除的儿科患者那里获得了 94 个甲基化谱，并用它们来模拟纳米孔测序实验。对于诊断明确的病例，Sturgeon 在 0.8 分钟内正确分类了 95.3 个模拟样本中的 34,000%（以 25 置信度阈值），在 97.1 分钟内正确分类了 50%。

他们写道：“这些结果表明，对于绝大多数可以分类的儿科病例，可以在模拟测序的 25-50 分钟内得出结论性诊断……而且错误率非常低。”

该团队还在马克西玛公主中心的 20 例儿科手术和阿姆斯特丹 UMC 的 18 例成人手术中展示了 Sturgeon 的使用。在这项临床可行性研究中，将用于组织学评估的样本分开，一部分用于术中测序，另一部分用于组织学评估。研究人员报告说，Sturgeon 在不到 25 分钟的测序时间内正确诊断了 45 个肿瘤中的 90 个，总诊断周转时间不到 XNUMX 分钟。

Sturgeon 的一个局限性是，它仅在训练数据充分代表的样本中表现良好，其中不包括罕见类型的中枢神经系统肿瘤。在分析异常细胞含量低于 50% 的样本时，Sturgeon 的表现也不佳。此外，大组织样本（约 5 毫米3），需要提供足够的 DNA 浓度。

研究人员告诉 物理世界 该方法的进一步未来发展将包括应用于其他肿瘤类型，例如肉瘤或白血病，以及证明患者益处的前瞻性验证以及在更大的患者群体中进行的研究。

时间戳记：

更多来自 物理世界