Искусственный интеллект классифицирует колоректальный рак
Лечащим врачам нужна информация о молекулярном подтипе опухоли, если они хотят обеспечить персонализированную терапию колоректального рака. Исследовательская группа из Университетской клиники Цюриха (Швейцария) и Оксфордского университета (Великобритания) в сотрудничестве с другими участниками консорциума COloRecTal Cancer (S-CORT) разработала метод молекулярной классификации колоректального рака на основе цифровых изображений.
Рак ободочной и прямой кишки является третьей по распространенности злокачественной опухолью у мужчин и женщин. В мире ежегодно регистрируется около 1,8 миллиона новых случаев. Хирургия, лучевая и химиотерапия, а также таргетная терапия являются общепринятыми вариантами лечения, но они имеют соответствующие побочные эффекты. Точная информация о молекулярном подтипе опухоли с использованием секвенирования РНК может способствовать стратификации пациентов для персонализированной терапии. Тем не менее, классификация рака с помощью секвенирования РНК остается ресурсоемким и дорогостоящим процессом: исследование одного образца стоит более 1000 долларов. Кроме того, до 20 процентов образцов не могут быть окончательно классифицированы из-за недостаточной доступности материала или неоднозначных результатов.
Исследовательская группа разработала гораздо более дешевый и быстрый метод: они используют искусственный интеллект для анализа отсканированных гистологических слайдов с высоким разрешением. Это позволяет разделить колоректальные опухоли на один из четырех подтипов транскрипции и дает представление об оптимальных стратегиях лечения. В отличие от секвенирования РНК, которое до сих пор являлось золотым стандартом, эта процедура, основанная исключительно на изображениях, не требует дополнительного тканевого материала. Разработанная технология работает даже с очень маленькими фрагментами ткани и позволяет классифицировать образцы тканей, которые ранее не могли быть проанализированы из-за технических ограничений. Процедура также значительно снижает затраты. Таким образом, основанные на изображениях технологии могут революционизировать персонализированную терапию при колоректальном раке. Тем не менее, чтобы использовать новую технологию, необходимо надлежащим образом подготовить гистологические слайды.
Испытания включали анализ 1553 цифровых слайдов, данных об экспрессии РНК, генных мутациях и клиническом прогрессировании с использованием новейших технологий машинного обучения и искусственного интеллекта. Технология рекомендована для проверки в проспективных рандомизированных клинических испытаниях. Сканы гистологических слайдов можно отправлять в университетские центры, где они будут оцениваться, а результаты возвращаться в электронном виде. В долгосрочной перспективе, этот метод также может быть использован для других типов опухолей или даже других заболеваний.
https://www.biorxiv.org/content/10.1101/645143v1.full
