Чтобы улучшить диагностику пациентов со сложным метастатическим раком, особенно в условиях ограниченных ресурсов, исследователи из лаборатории Махмуда в Бригаме и женской больнице разработали систему искусственного интеллекта (ИИ), которая использует стандартные слайды гистологии для точного определения происхождения метастазов. опухоли при создании «дифференциального диагноза» рака неизвестных первичных пациентов.
В 1-2% случаев рака невозможно определить первичный очаг опухоли. Поскольку многие современные противоопухолевые препараты нацелены на первичные опухоли, прогноз при неизвестном первичном раке (CUP) плохой, при средней общей выживаемости от 2,7 до 16 месяцев. Чтобы получить более конкретный диагноз, пациенты часто должны проходить обширные диагностические обследования, которые могут включать дополнительные лабораторные анализы, биопсию и процедуры эндоскопии, которые откладывают лечение. Для улучшения диагностики пациентов со сложным метастатическим раком, особенно в условиях ограниченных ресурсов.исследователи из лаборатории Махмуда в Бригаме и женской больнице разработали систему искусственного интеллекта (ИИ), которая использует стандартные гистологические слайды для точного определения происхождения метастатических опухолей при создании «дифференциального диагноза» для пациентов с CUP. Результаты исследований описаны в Nature .
«Почти у каждого пациента, у которого диагностирован рак, есть слайд гистологии, который был стандартом диагностики более ста лет. Наша работа дает возможность использовать повсеместно полученные данные и возможности искусственного интеллекта для улучшения диагностики этих сложных случаев, которые обычно требуют обширных диагностических исследований «, — сказал автор-корреспондент Фейсал Махмуд, доктор философии, из отделения вычислительной патологии в Бригаме и доцент Гарвардской медицинской школы.
Алгоритм, основанный на глубоком обучении, разработанный исследователями под названием Tumor Origin Assessment via Deep Learning (TOAD), одновременно определяет опухоль как первичную или метастатическую и предсказывает место ее происхождения. Исследователи натренировали свою модель с помощью полноэкранных изображений гигапиксельных патологий опухолей из более чем 22000 случаев рака, а затем протестировали TOAD примерно в 6500 случаях с известными первичными вариантами и проанализировали все более усложняющиеся метастатические опухоли.установить полезность модели ИИ на чашках. Для опухолей с известным первичным происхождением модель правильно идентифицировала рак в 83 процентах случаев и перечисляла диагноз среди трех главных прогнозов в 96 процентах случаев. Затем исследователи протестировали модель на 317 случаях CUP, которым был назначен дифференциальный диагноз, и обнаружили, что диагноз TOAD согласовывался с отчетами патологов в 61% случаев и совпадением трех основных результатов в 82% случаев.
Производительность TOAD была в значительной степени сопоставима с показателями нескольких недавних исследований, в которых для прогнозирования происхождения опухоли использовались геномные данные . Хотя ИИ на основе генома предлагает альтернативный вариант для помощи в диагностике, геномное тестирование не всегда проводится для пациентов, особенно в условиях ограниченных ресурсов. Исследователи надеются продолжить обучение своей гистологической модели с большим количеством случаев и участвовать в клинических испытаниях, чтобы определить, улучшает ли она диагностические возможности и прогнозы пациентов.
«Основные прогнозы модели могут ускорить диагностику и последующее лечение за счет уменьшения количества дополнительных тестов, которые необходимо заказывать, сокращения дополнительных выборок тканей и общего времени, необходимого для диагностики пациентов, что может быть долгим и напряженным», — сказал Махмуд. . «Три основных прогноза могут быть использованы для направления патологоанатомов к следующим шагам, а в условиях ограниченных ресурсов, где экспертные знания в области патологии могут быть недоступны, верхний прогноз потенциально может быть использован для назначения дифференциального диагноза . Это только первый шаг в использовании целостного диагноза . слайд-изображения для рака с применением искусственного интеллекта предсказание происхождения, и это очень захватывающая область, способная стандартизировать и улучшить диагностический процесс ».