„Samoukowa” sztuczna inteligencja pomaga diagnozować i przewidywać stopień zaawansowania raka płuc

Program komputerowy oparty na danych z prawie pół miliona obrazów tkanek i oparty na sztucznej inteligencji (AI) może dokładnie diagnozować przypadki gruczolakoraka, najczęstszej postaci nowotworu. Rak płucNowe badanie wykazało.

Naukowcy z NYU Langone Health Centrum Onkologii Perlmuttera Program został opracowany i przetestowany na Uniwersytecie w Glasgow w Szkocji. Twierdzą, że ponieważ uwzględnia cechy strukturalne nowotworów od 452 pacjentów z gruczolakorakiem, którzy znajdują się wśród ponad 11 000 pacjentów uwzględnionych w atlasie genomu nowotworu amerykańskiego Narodowego Instytutu Raka, program zapewnia pacjentom i onkologom bezstronną, szczegółową i wiarygodną drugą opinię na temat obecności nowotworu. raka oraz prawdopodobieństwa i czasu jego nawrotu, zwanego także jego diagnozą.

Zespół badawczy zauważa również, że program jest niezależny i „samodzielnie opracowany”, co oznacza, że ​​samodzielnie identyfikuje, które cechy strukturalne były najbardziej statystycznie istotne przy pomiarze ciężkości choroby i miały największy wpływ na nawrót nowotworu.

Opublikowano online 11 czerwca w magazynie Komunikacja przyrodniczaodkryli, że oprogramowanie badawcze, zwane także algorytmem, a dokładniej uczeniem się fenotypu histologicznego (HPL), dokładnie rozróżnia podobne nowotwory płuc – gruczolakoraka i raka płaskonabłonkowego – w 99 procentach przypadków. Naukowcy odkryli również, że oprogramowanie HPL było w 72% dokładne w przewidywaniu prawdopodobieństwa i czasu nawrotu nowotworu po leczeniu, co stanowi poprawę w porównaniu do 64% dokładności przewidywań patologów, którzy bezpośrednio badali obrazy nowotworu u tych samych pacjentów – twierdzą naukowcy.

„Nasz nowy program uczenia się w zakresie fenotypowania tkanek może zapewnić specjalistom onkologii i ich pacjentom szybkie i bezstronne narzędzie diagnostyczne w kierunku gruczolakoraka płuc, które po przeprowadzeniu dodatkowych badań może być również wykorzystane do potwierdzenia, a nawet ukierunkowania decyzji dotyczących leczenia, ” powiedział. Głównym badaczem badania jest dr Nicholas Coudray, programista bioinformatyki w Grossman School of Medicine na Uniwersytecie Nowojorskim i w Perlmutter Cancer Center.

„Pacjenci, klinicyści i badacze wiedzą, że mogą polegać na tym modelowaniu predykcyjnym, ponieważ jest ono przedmiotem samokształcenia, zapewnia decyzje dające się zinterpretować i opiera się wyłącznie na wiedzy uzyskanej konkretnie na temat tkanki każdego pacjenta, w tym na takich cechach, jak odsetek umierających komórek i procent martwych komórek” – powiedział dr Coudray „Komórki odpornościowe zwalczające nowotwór a gęstość komórek nowotworowych”.

„Nasz program komputerowy może teraz analizować próbki tkanki płuc w ciągu kilku minut, aby zapewnić dość dokładne przewidywania nawrotu nowotworu, które są lepsze niż obecne standardy opieki w diagnostyce gruczolakoraka płuc” – stwierdził główny badacz badania. Doktor Aristotis Tsirigos. Dr Tsirigos jest profesorem na tych wydziałach Patologia I Medycyna w Grossman School of Medicine na Uniwersytecie Nowojorskim i członek Perlmutter Cancer Center; Pełni także funkcję zastępcy dyrektora ds. medycyny precyzyjnej i dyrektora NYU Langone Laboratoria bioinformatyki stosowanej.

Dzięki tym narzędziom i innym postępom w poznawaniu biologii raka płuc patolodzy będą częściej badać tkanki poprzez skanowanie na ekranach komputerów, a w mniejszym stopniu przez mikroskopy, a następnie wykorzystywać własne oprogramowanie sztucznej inteligencji do analizy i tworzenia obrazu , mówi dr Tsirigos. Własne zdjęcie do zeskanowania.

Dodają, że nowy obraz, czyli „krajobraz”, umożliwi szczegółową analizę zawartości tkanki. Moglibyśmy na przykład zobaczyć, że występuje 5% martwicy i 10% nacieku nowotworu i co to oznacza pod względem przeżycia. Odczyt ten statystycznie odpowiada 80% szansom na pozostanie wolnym od raka przez dwa lata lub dłużej, na podstawie informacji pochodzących ze wszystkich danych pacjentów objętych programem.

Aby opracować HPL, naukowcy najpierw przeanalizowali preparaty tkanki gruczolakoraka płuc z Atlasu genomu raka. Do modelu testowego wybrano gruczolakoraka, ponieważ wiadomo, że choroba ta ma odrębną charakterystykę. Zaobserwowali na przykład, że komórki nowotworowe mają tendencję do skupiania się w tak zwane wzory przypominające cysty, rozprzestrzeniając się w przewidywalny sposób wzdłuż powierzchni wyściółki komórek płuc.

Analizując slajdy, których obrazy wizualne zostały zeskanowane cyfrowo i podzielone na 432 231 małych kwadratów lub płytek, naukowcy odkryli 46 kluczowych cech, które nazywają histologicznymi skupiskami fenotypowymi, normalnej i chorej tkanki. Podzbiór tych grup był statystycznie powiązany albo z wczesnym nawrotem raka, albo z długotrwałym przeżyciem. Odkrycia zostały następnie potwierdzone dodatkowymi, oddzielnymi testami obrazów tkanek od 276 mężczyzn i kobiet leczonych z powodu gruczolakoraka na Uniwersytecie Nowojorskim w Langone w latach 2006–2021.

Naukowcy twierdzą, że ich celem jest wykorzystanie algorytmu HPL do przypisania każdemu pacjentowi wyniku od 0 do 1, który odzwierciedla jego statystyczną szansę na przeżycie i nawrót nowotworu przez okres do pięciu lat. Podkreślają, że ponieważ HPL uczy się samoczynnie, oprogramowanie będzie coraz dokładniejsze w miarę dodawania większej ilości danych. Aby zbudować zaufanie społeczne, naukowcy opublikowali swoje badania Kod programowania online Planują udostępnić nowe narzędzie HPL bezpłatnie po zakończeniu dalszych testów.

Charakterystyka nowotworów nawracających obejmowała wysoki odsetek martwych komórek nowotworowych, zwalczające nowotwór komórki odpornościowe zwane limfocytami oraz gęste skupiska komórek nowotworowych w zewnętrznej wyściółce płuc. Cechami związanymi ze zwiększonym prawdopodobieństwem przeżycia był duży odsetek niezmienionej lub zachowanej tkanki torbieli płuc oraz brak lub umiarkowana obecność komórek zapalnych.

Dr Tsirigos twierdzi, że zespół planuje w następnej kolejności opracować programy podobne do HPL w leczeniu innych nowotworów, np. Klatka piersiowa, JajnikI Okrężnica i odbytnica, który podobnie opiera się na odrębnych i głównych cechach morfologicznych oraz dodatkowych danych molekularnych. Zespół planuje także rozbudowę i poprawę dokładności obecnego oprogramowania HPL dotyczącego gruczolakoraka, włączając w to inne dane ze szpitalnej elektronicznej dokumentacji zdrowotnej, dotyczące innych schorzeń i chorób, a nawet dochodów i domowego kodu pocztowego.

odniesienie: Claudio Quiros A, Coudray N, Yeaton A i in. Mapowanie fenotypów raka histologicznego przy użyciu samonadzorowanego uczenia się na slajdach patologicznych bez adnotacji. Nat Common. 2024;15(1):4596. doi: 10.1038/s41467-024-48666-7

Ten artykuł został ponownie opublikowany od dołu Materiał. Uwaga: Materiał mógł zostać zmieniony pod względem długości i treści. Aby uzyskać więcej informacji, skontaktuj się ze wspomnianym źródłem. Możesz uzyskać dostęp do naszej polityki dotyczącej komunikatów prasowych Tutaj.