Wykorzystując sztuczną inteligencję, naukowcy odkryli, jak w mniej niż 90 sekund badać mutacje genetyczne w nowotworowych guzach mózgu – i być może usprawnić diagnostykę i leczenie glejaków, sugeruje badanie.

Zespół neurochirurgów i inżynierów z Michigan Medicine, we współpracy z badaczami z New York University, University of California, San Francisco i innych, opracował oparty na sztucznej inteligencji diagnostyczny system przesiewowy o nazwie DeepGlioma, który wykorzystuje szybkie obrazowanie do analizy próbek guza pobranych podczas operacji. i szybciej wykrywać mutacje genetyczne.

W badaniu obejmującym ponad 150 pacjentów z glejakiem rozlanym, najczęstszym i najbardziej śmiertelnym pierwotnym guzem mózgu, nowo opracowany system zidentyfikował mutacje wykorzystywane przez Światową Organizację Zdrowia do zdefiniowania podgrup molekularnych choroby ze średnią dokładnością przekraczającą 90%. Wyniki publikowane są w Medycyna natury.

„To narzędzie oparte na sztucznej inteligencji może poprawić dostęp i szybkość diagnozowania i opieki nad pacjentami ze śmiertelnymi guzami mózgu” — powiedział główny autor i twórca DeepGlioma Todd Hollon, neurochirurg z University of Michigan Health i adiunkt w neurochirurgii w Szkole Medycznej UM.

Klasyfikacja molekularna ma coraz większe znaczenie w diagnostyce i leczeniu glejaków, ponieważ korzyści i ryzyko związane z operacją różnią się u pacjentów z guzem mózgu w zależności od ich struktury genetycznej. W rzeczywistości pacjenci z określonym typem glejaka rozlanego, zwanym gwiaździakiem, mogą zyskać średnio pięć lat na całkowitym usunięciu guza w porównaniu z innymi podtypami glejaka rozlanego.

Jednak dostęp do badań molekularnych glejaka rozlanego jest ograniczony i niejednolicie dostępny w ośrodkach leczących pacjentów z guzami mózgu. Hollon mówi, że kiedy jest dostępny, czas oczekiwania na wyniki może zająć kilka dni, a nawet tygodni.

„Przeszkody w diagnostyce molekularnej mogą skutkować nieoptymalną opieką nad pacjentami z guzami mózgu, komplikując podejmowanie decyzji chirurgicznych i wybór schematów chemioradioterapii” – powiedział Hollon.

Przed DeepGlioma chirurdzy nie dysponowali metodą pozwalającą na różnicowanie rozlanych glejaków podczas operacji. Pomysł, który rozpoczął się w 2019 roku, system łączy głębokie sieci neuronowe z metodą obrazowania optycznego znaną jako stymulowana histologia ramanowska, która również została opracowana w UM, w celu obrazowania tkanki guza mózgu w czasie rzeczywistym.

„DeepGlioma stwarza drogę do dokładnej i szybszej identyfikacji, która dałaby lekarzom większą szansę na zdefiniowanie leczenia i przewidywanie rokowania pacjenta” – powiedział Hollon.

Nawet przy optymalnym standardowym leczeniu pacjenci z glejakiem rozlanym mają ograniczone możliwości leczenia. Mediana czasu przeżycia pacjentów ze złośliwymi rozlanymi glejakami wynosi tylko 18 miesięcy.

Chociaż opracowanie leków do leczenia nowotworów jest niezbędne, mniej niż 10% pacjentów z glejakiem bierze udział w badaniach klinicznych, które często ograniczają udział podgrup molekularnych. Naukowcy mają nadzieję, że DeepGlioma może być katalizatorem wczesnej rejestracji na badania.

„Postęp w leczeniu najbardziej śmiercionośnych guzów mózgu był ograniczony w ostatnich dziesięcioleciach – po części dlatego, że trudno było zidentyfikować pacjentów, którzy odnieśli największe korzyści z terapii celowanych” – powiedział starszy autor Daniel Orringer, profesor nadzwyczajny neurochirurgii i patologii w NYU Grossman School of Medicine, który opracował stymulowaną histologię Ramana. „Szybkie metody klasyfikacji molekularnej są bardzo obiecujące, jeśli chodzi o ponowne przemyślenie projektu badań klinicznych i udostępnienie pacjentom nowych terapii”.