AI odlišuje glioblastom od rakoviny podobného vzhledu během chirurgického zákroku

Výzkumný tým vedený Harvard Medical School vyvinul nástroj AI, který může spolehlivě rozeznat dva rakoviny podobné vzhledům, které se nacházejí v mozku, ale s různým původem, chováním a léčbou.

Nástroj nazývaný obrázek (nástroj pro charakterizaci obrazu patologie s rychlými hodnoceními nejistoty), rozlišující s téměř dokonalou přesností mezi glioblastomem-nejběžnějším a nejběžnějším a nejběžnějším a nejběžnějším a nejběžnějším a Agresivní mozkový nádor—A a primárního lymfomu centrálního nervového systému (PCNSL), vzácnější rakovina, která se často mýlí s glioblastomem. Zatímco oba se mohou objevit v mozku, vzniká glioblastom mozkové buňkyzatímco PCNSL se vyvíjí z imunitních buněk. Jejich podobnosti pod mikroskopem často vedou k nesprávné diagnóze s vážnými důsledky pro léčbu.

Práce je popsán 29. září v Přírodní komunikace. Model AI je veřejně dostupný pro ostatní vědce, na kterých se mají používat a stavět, řekl tým.

Správná identifikace nádorů podobných vzhledům v mozku během chirurgického zákroku je jednou z nejtěžších diagnostických výzev v neuro-onkologii, uvedli vědci. Přesná diagnóza, zatímco pacient je stále v operačním sále, může pomoci urychlit výběr kritických léčby, jako je to, zda má provozovat a odstranit rakovinnou tkáň – jak by mělo být provedeno s glioblastomem – nebo ji nechat za sebou a rozhodnout se místo toho pro radiaci a chemoterapii, preferovanou terapii pro PCNSL. Nepřesná nebo zpožděná diagnostika rakoviny v mozku může vést k zbytečné chirurgii a zpoždění při správné léčbě.

To, co je nástrojem zvláště cenným, je jeho schopnost nasadit během chirurgického zákroku a poskytovat kritické poznatky v reálném čase chirurgům a patologům.

„Náš model může minimalizovat chyby v diagnostice rozlišováním mezi nádory s překrývajícími se rysy a pomoci klinickým lékařům určit nejlepší léčbu na základě skutečné identity nádoru,“ uvedl vedoucí autor studie Kun-Hsing Yu, docent biomedicínské informatiky v Blavatnik Institute v HMS a HMS asistent patologie a ženských nemocnice.

Během chirurgie nádoru mozku chirurgové obvykle odstraňují nádorovou tkáň pro rychlé hodnocení pod mikroskopem. Hodnocení se provádí zmrazením vzorku v kapalném dusíku, který může poněkud zkreslit buněčné rysy, ale poskytuje rychlé hodnocení v reálném čase. Proces trvá asi 15 minut. Na základě výsledků tohoto vyhodnocení prvního postí chirurgové určují, zda odstranit nádor nebo nechat jej pozadu a rozhodnout se pro záření a chemoterapii.

Poté, v příštích několika dnech, patologové provádějí podrobnější a spolehlivější hodnocení vzorku nádoru. V asi 1 z 20 případů se počáteční diagnóza nádoru změní při druhém čtení, řekl Yu. To je přesně to, kde by nový systém AI mohl hrát cennou roli – znovuzměnit nejistotu a snížit riziko chyby během provozu, když jsou přijímána kritická rozhodnutí.

„Náš model ukazuje spolehlivý výkon na zmrazených sekcích během chirurgického zákroku mozku a ve scénářích s významnou diagnostickou neshodou mezi lidskými odborníky,“ řekl.

Tento nástroj byl testován v pěti nemocnicích a překonal jak lidské patology, tak další modely AI. Jedinečným aspektem nového modelu je „detektor nejistoty“, který mu umožňuje nejen rozlišovat mezi typy rakoviny s vysokou přesností, ale také signalizovat, když si není jistý jeho úsudek-důležitý rys pro lékařské scénáře s vysokými sázkami.

Nová studie staví dřívější práce Vedl YU k vývoji systému AI, který by mohl spolehlivě dekódovat molekulární rysy různých typů gliomů.

Jak obrázek sklouzne doppelgangery mozku

Každý rok více než 300 000 lidí po celém světě jsou diagnostikovány s nádory v mozku nebo centrálním nervovém systému a více než 200 000 úmrtí nastat v důsledku. Světová zdravotnická organizace uznává 109 Různé typy nádorů mozku a míchykaždý s vlastními jedinečnými rysy pod mikroskopem nebo na genetické úrovni.

Přesné rozlišování PCNSL od glioblastomu během chirurgického zákroku by mohlo chirurgům umožnit ušetření mozkové tkáně místo toho, aby ji odstranily. Pacienti s PCNSL jsou poté odkazováni na záření a chemoterapii, což je preferovaná léčba tohoto typu nádoru. Naproti tomu glioblastom vyžaduje chirurgické odstranění co nejvíce rakovinné mozkové tkáně.

Téměř představení dokonalého obrazu

Model-který Yu vyvinul se studiem spolu-první autory Junhanem Zhao a Shih-Yen Lin-byl hodnocen na 2 141 patologických sklíčkách mozku shromážděných po celém světě, včetně vzácných případů v obou zmrazených sekcích a formalinu fixovaných vzorcích. Byl navržen tak, aby zjistil kritické rysy rakoviny, včetně hustoty nádorových buněk, tvaru buněk a přítomnosti nekrózy.

Vědci testovali výkon obrazu napříč pěti mezinárodními nemocnicemi ve čtyřech zemích. V každém případě model AI překonal stávající nástroje AI a tradiční hodnocení zmrazeného sekce, standard péče o psaní nádoru v reálném čase.

V testech obraz obrazového modelu správně rozlišoval glioblastom od PCNSL více než 98% času – úroveň přesnosti, která se držela při testování v pěti nezávislých mezinárodních skupinách pacientů. Kromě toho obrázek identifikoval vzorky patřící k 67 CNS rakovinám, které nebyly ani gliomy, ani lymfomy.

Model by mohl během tréninku spatřit nádory, které neviděl, a když ano, zvýšil červenou vlajku pro lidskou revizi. Jinými slovy, nástroj věděl, kdy to nevěděl, řekl Yu, a to zabránilo tomu, aby se systému bránil nejasným případům do známých kategorií. Tato funkce činí model jedinečný mezi jinými systémy AI, uvedli vědci. Ve srovnání, jiné nástroje AI se mohou diferencovat binárním, buď-nebo nebo ozývnutím oproti nemoci B. To je zvláště problematické pro patologii mozku, poznamenal Yu, protože existuje více než 100 různých podtypů rakovin mozku a mnoho z nich je relativně vzácné.

Obrázek překonal lidské patology u těžko prozraditelných nádorů v mozku. V testech vykazovali lidští specialisté významnou neshodu ohledně obtížných diagnóz, přičemž některé typy nádorů nesprávně diagnostikovaly 38% času. Obrázek správně identifikoval všechny tyto případy a nabídl podporu, když se změní znalecký názor.

Spuštění obrázku do skutečného světa

Nasazení nástroje by mohlo být skvělou příležitostí pro spolupráci člověka a AI, uvedli vědci. Představují si implementaci systému napříč operačními a patologickými odděleními jako počáteční filtr pro odlišení glioblastomu od PCNSL a informování o volání do léčby.

Použití modelu by také mohl demokratizovat přístup k neuropatologii, vysoce specializované oblasti odborných znalostí s nedostatkem odborníků a nerovnoměrné rozdělení odborníků po celé zemi a světě. Kromě toho lze tento nástroj také použít jako vzdělávací nástroj Pro trénink příští generace patologů rozpoznává vzhled podobné léze v mozku, kde jsou kritické rozdíly zakryty za podobného vzhledu.

Vědci poznamenali, že většina vzorků nádoru byla získána od bílých pacientů, takže je zapotřebí více výzkumu k potvrzení přesnosti modelu napříč různými populacemi. A zatímco se nástroj zaměřil na glioblastom a PCNSL, budoucí práce by jej mohla rozšířit na jiné typy rakoviny a kombinovat jej s genetickými a molekulárními daty pro hlubší poznatky.