Naučnici su dizajnirali AI alat koji može brzo da dekodira DNK tumora na mozgu kako bi odredio njegov molekularni identitet tokom operacije – kritične informacije koje prema trenutnom pristupu mogu potrajati nekoliko dana do nekoliko nedelja.
Poznavanje molekularnog tipa tumora omogućava neurohirurzima da donesu odluke poput toga koliko moždanog tkiva da uklone i da li da stave lekove za ubijanje tumora direktno u mozak—dok je pacijent još na operacionom stolu.
Izveštaj o radu, koji su vodili istraživači sa Harvardske medicinske škole, objavljen je u časopisu Med.
Tačna molekularna dijagnoza—koja detaljno opisuje promene DNK u ćeliji—tokom operacije može pomoći neurohirurgu da odluči koliko moždanog tkiva da ukloni. Uklanjanje previše kada je tumor manje agresivan može uticati na neurološke i kognitivne funkcije pacijenta. Isto tako, premalo uklanjanja kada je tumor veoma agresivan može ostaviti maligno tkivo koje može brzo rasti i širiti se.
„Trenutno, čak ni najsavremenija klinička praksa ne može da profiliše tumore molekularno tokom operacije. Naš alat prevazilazi ovaj izazov tako što izvlači dosad neiskorišćene biomedicinske signale iz zamrznutih dijapozitiva patologije“, rekao je stariji autor studije Kun-Hsing Iu, asistent profesor biomedicinske informatike u Institutu Blavatnik pri HMS.
Poznavanje molekularnog identiteta tumora tokom operacije je takođe dragoceno jer određeni tumori imaju koristi od tretmana na licu mesta sa pločicama obloženim lekovima koje se stavljaju direktno u mozak u vreme operacije, rekao je Ju.
„Sposobnost određivanja intraoperativne molekularne dijagnoze u realnom vremenu, tokom operacije, može podstaći razvoj precizne onkologije u realnom vremenu“, dodao je Ju.
Standardni intraoperativni dijagnostički pristup koji se sada koristi uključuje uzimanje moždanog tkiva, njegovo zamrzavanje i ispitivanje pod mikroskopom. Glavni nedostatak je što zamrzavanje tkiva ima tendenciju da promeni izgled ćelija pod mikroskopom i može da ometa tačnost kliničke procene. Štaviše, ljudsko oko, čak i kada koristi moćne mikroskope, ne može pouzdano da otkrije suptilne genomske varijacije na pločici.
Novi pristup AI prevazilazi ove izazove.
Alat, nazvan CHARM (Mašina za procenu i pregled histopatologije kriosekcije), je besplatno dostupan drugim istraživačima. Još uvek mora biti klinički validiran testiranjem u stvarnim okruženjima i odobren od strane FDA pre nego što se primeni u bolnicama, rekao je istraživački tim.
Nedavni napredak u genomici omogućio je patolozima da razlikuju molekularne potpise – i ponašanja koja takvi potpisi predstavljaju – među različitim tipovima raka mozga, kao i unutar specifičnih vrsta raka mozga. Na primer, gliom — najagresivniji tumor mozga i najčešći oblik raka mozga — ima tri glavne podvarijante koje nose različite molekularne markere i imaju različite sklonosti ka rastu i širenju.
Sposobnost novog alata da ubrza molekularnu dijagnozu mogla bi biti posebno dragocena u oblastima sa ograničenim pristupom tehnologiji za obavljanje brzog genetskog sekvenciranja raka.
Pored odluka donetih tokom operacije, poznavanje molekularnog tipa tumora daje naznake o njegovoj agresivnosti, ponašanju i verovatnom odgovoru na različite tretmane. Takvo znanje može da donese postoperativne odluke.
Štaviše, novi alat omogućava dijagnoze tokom operacije u skladu sa nedavno ažuriranim klasifikacijskim sistemom Svetske zdravstvene organizacije za dijagnostikovanje i ocenjivanje težine glioma, koji zahteva da se takve dijagnoze postavljaju na osnovu genomskog profila tumora.
CHARM je razvijen korišćenjem 2.334 uzorka tumora mozga od 1.524 osobe sa gliomom iz tri različite populacije pacijenata. Kada je testiran na nikada ranije viđenom skupu uzoraka mozga, alat je razlikovao tumore sa specifičnim molekularnim mutacijama sa tačnošću od 93% i uspešno klasifikovao tri glavna tipa glioma sa različitim molekularnim karakteristikama koji nose različite prognoze i različito reaguju na tretmane.
Idući korak dalje, alat je uspešno uhvatio vizuelne karakteristike tkiva koje okružuje maligne ćelije. Bio je sposoban da uoči izdajničke oblasti sa većom ćelijskom gustinom i više ćelijske smrti u uzorcima, od kojih oba signaliziraju agresivnije tipove glioma.
Alat je takođe bio u stanju da precizira klinički važne molekularne promene u podskupu glioma niskog stepena, podtipu glioma koji je manje agresivan i stoga je manje verovatno da će napasti okolno tkivo. Svaka od ovih promena takođe signalizira različitu sklonost rastu, širenju i odgovoru na tretman.
Alat je dalje povezao izgled ćelija – oblik njihovih jezgara, prisustvo edema oko ćelija – sa molekularnim profilom tumora. To znači da algoritam može precizno odrediti kako je izgled ćelije povezan sa molekularnim tipom tumora.
Ova sposobnost da se proceni širi kontekst oko slike čini model preciznijim i bližim načinu na koji bi ljudski patolog vizuelno procenio uzorak tumora, rekao je Ju.
Istraživači kažu da iako je model bio obučen i testiran na uzorcima glioma, mogao bi se uspešno ponovo obučiti da identifikuje druge podtipove raka mozga.
Naučnici su već dizajnirali AI modele za profilisanje drugih tipova raka – debelog creva, pluća, dojke – ali su gliomi ostali posebno izazovni zbog svoje molekularne složenosti i velikih varijacija u obliku i izgledu tumorskih ćelija.
Alat CHARM bi se morao periodično ponovo obučavati kako bi odražavao nove klasifikacije bolesti koje proizlaze iz novog znanja, rekao je Iu.
„Baš kao i ljudski kliničari koji moraju da se angažuju u stalnom obrazovanju i obuci, AI alati moraju da idu u korak sa najnovijim saznanjima da bi ostali na vrhunskom učinku.
Među istražiteljima su bili MacLean P. Nasrallah, Junhan Zhao, Cheng Che Tsai, David Meredith, Eliana Marostica, Keith L. Ligon i Jeffrei A. Golden.
