人工智能使用红外成像对大肠癌进行分类
来自波鸿鲁尔大学普罗迪蛋白质诊断中心(RUB)的研究团队已使用基于量子级联激光的红外(IR)显微镜,以无标记和自动化的方式对常规临床操作中的结直肠癌组织样本进行分类。人工智能使研究人员能够在大约30分钟内非常准确地区分不同类型的肿瘤。根据分类,医生可以预测疾病的病程,从而选择适当的治疗方法。该小组在2020年6月23日的《科学报告》杂志上发表了他们的报告。
微卫星状态有助于预后
在结肠癌和其他癌症中,微卫星稳定(MSS)和微卫星不稳定(MSI)肿瘤之间有区别。微卫星通常是无功能的短DNA序列,经常重复。MSI肿瘤患者的生存率明显更高。这是由于癌细胞的突变率高出约1,000倍,这使其生长不太成功。此外,创新的免疫疗法在MSI肿瘤患者中更为成功。RUB诊所St. Josef医院血液学和肿瘤学系主任Anke Reinacher-Schick教授说:“因此,了解我们要治疗的肿瘤对于预后和治疗决策至关重要。”至今,
快速可靠的测量
RUB生物物理学系的Klaus Gerwert教授领导的小组已在较早的研究中证明了IR成像作为组织分类的诊断工具的潜力,即所谓的无标记数字病理学。该方法无需事先染色或其他标记即可识别癌组织,因此也可以借助人工智能自动工作。与传统的微卫星状态的鉴别诊断需要大约一天的时间不同,新方法仅需要大约半小时。
蛋白质研究团队通过优化检测组织中分子变化的方法,大大改进了该方法。以前,只能在形态上可视化组织。克劳斯·格维特(Klaus Gerwert)表示:“这是迈出的重要一步,表明红外成像可以成为未来诊断和治疗预测中有希望的方法。”
鼓励可行性研究
与安德烈·塔纳普费尔教授(Andrea Tannapfel)领导的RUB病理研究所以及RUB圣约瑟夫医院血液学和肿瘤学系合作,研究团队对100名患者进行了可行性研究。它显示出100%的敏感性和93%的特异性:所有采用新方法正确分类的MSI肿瘤,只有少数样品被错误地鉴定为MSI肿瘤。现在开始进行扩展的临床试验,该试验将对Colopredict Plus 2.0注册研究的样品进行。由Andrea Tannapfel和Anke Reinacher-Schick发起的注册表研究可以验证已发表工作的结果。“这种方法对我们也很感兴趣,因为使用的样品材料很少,这在当今是决定性的优势。”
迈向个性化医疗的又一步
将来,该方法将被引入临床工作流程中,以评估其在精确肿瘤学方面的潜力。Anke Reinacher-Schick总结说:“在肿瘤疾病的靶向治疗越来越多之后,提供快速而准确的诊断非常重要。”