צוות מחקר בהובלת בית ספר לרפואה של הרווארד פיתח כלי AI שיכול לומר באופן אמין לשני סוגי סרטן דומים למראה שנמצאו במוח אך עם מקורות, התנהגויות וטיפולים שונים.
הכלי, הנקרא תמונה (כלי אפיון תמונת פתולוגיה עם הערכות מהירות של אי וודאות), המובחן ברמת דיוק כמעט מושלמת בין גליובלסטומה – גידול המוח הנפוץ והאגרסיבי ביותר – לבין לימפומה של מערכת העצבים המרכזית הראשונית (PCNSL), סרטן נדיר יותר שטועה בגליובלסטומה. בעוד ששניהם יכולים להופיע במוח, גליובלסטומה נובעת מתאי מוח, ואילו PCNSL מתפתחת מתאי חיסון. קווי הדמיון שלהם תחת המיקרוסקופ מובילים לעתים קרובות לאבחון שגוי, עם השלכות חמורות על הטיפול.
העבודה, הנתמכת בחלקה על ידי המוסדות הלאומיים לבריאות, מתוארת ב -29 בספטמבר תקשורת טבעו הצוות אמר כי מודל AI זמין לציבור עבור מדענים אחרים להשתמש בו ולבנות עליהם.
החוקרים אמרו כי גידולים דומים למראה במוח במהלך הניתוח הוא אחד האתגרים האבחוניים הקשים ביותר בנוירו-אונקולוגיה, כך אמרו החוקרים. אבחנה מדויקת בזמן שהמטופל עדיין נמצא בחדר הניתוח יכול לעזור לזרז בחירות טיפול קריטיות, כמו למשל אם להפעיל ולהסיר את הרקמה הסרטנית – כפי שיש לבצע עם גליובלסטומה – או להשאיר אותה מאחור ולבחור קרינה וכימותרפיה במקום, את הטיפול המועדף על PCNSL. אבחנה לא מדויקת או מאוחרת של סרטן במוח עלולה להוביל לניתוח מיותר ועיכובים בטיפול נכון.
מה שהופך את הכלי בעל ערך במיוחד הוא יכולתו לפרוס במהלך הניתוח, ומספק תובנות ביקורתיות בזמן אמת למנתחים ולפתולוגים.
המודל שלנו יכול למזער שגיאות באבחון על ידי הבחנה בין גידולים עם תכונות חופפות ולעזור לקלינאים לקבוע את מהלך הטיפול הטוב ביותר על בסיס זהותו האמיתית של הגידול. "
Kun-Hsing Yu, לומד סופר בכיר, פרופסור חבר לאינפורמטיקה ביו-רפואית במכון בלאוואטניק ב- HMS ו- HMS עוזר פרופסור לפתולוגיה בבריגהם ובית החולים לנשים
במהלך ניתוחי גידולים במוח, בדרך כלל מנתחים מסירים רקמת גידול להערכה מהירה תחת מיקרוסקופ. ההערכה נעשית על ידי הקפאת הדגימה בחנקן נוזלי, שיכולה לעוות את התכונות הסלולריות במקצת אך מספקת הערכה מהירה בזמן אמת. התהליך אורך 15 דקות בערך. בהתבסס על תוצאות הערכה ראשונה זו, מנתחים קובעים אם להסיר את הגידול או להשאיר אותו מאחור ולבחר בהקרנות וכימותרפיה. ואז, במהלך הימים הקרובים, פתולוגים מבצעים הערכה מפורטת ואמינה יותר של מדגם הגידול. בערך 1 מכל 20 מקרים, האבחנה הראשונית של שינויים בגידול בקריאה השנייה, אמר יו. זה בדיוק המקום בו מערכת ה- AI החדשה יכולה למלא תפקיד חשוב – הסרת אי וודאות ולהפחתת הסיכון לטעות במהלך הפעולה כאשר מתקבלות החלטות קריטיות.
"המודל שלנו מציג ביצועים אמינים בקטעים קפואים במהלך ניתוחי מוח ובתרחישים עם אי הסכמה אבחנתית משמעותית בקרב מומחים אנושיים", אמר.
הכלי נבדק בחמישה בתי חולים והצליח בהשוואה לפתולוגים אנושיים וגם במודלים אחרים של AI. היבט ייחודי של המודל החדש הוא "גלאי חוסר וודאות", המאפשר לו לא רק להבחין בין סוגי סרטן ברמת דיוק גבוהה אלא גם לאותת כאשר הוא אינו בטוח בשיקול דעתו – תכונה חשובה לתרחישים רפואיים בעלי עצירה גבוהה.
המחקר החדש בונה על עבודה קודמת בהובלת יו לפיתוח מערכת AI שיכולה לפענח באופן אמין את התכונות המולקולריות של סוגים שונים של גליומות.
איך כתמי תמונות של סרטן המוח דופלגנגרים
בכל שנה מאובחנים יותר מ -300,000 אנשים ברחבי העולם עם גידולים במוח או במערכת העצבים המרכזית, ולמעלה מ- 200,000 מקרי מוות מתרחשים כתוצאה מכך. ארגון הבריאות העולמי מכיר בכ- 109 סוגים שונים של גידולי מוח וחוט השדרה, לכל אחד מהם תכונות ייחודיות משלו תחת המיקרוסקופ או ברמה הגנטית.
הבחנה מדויקת של PCNSL מגליובלסטומה במהלך הניתוח עשויה לאפשר למנתחים לחסוך רקמת מוח במקום להסיר אותה. לאחר מכן מופנים חולים עם PCNSL לקרינה וכימותרפיה, הטיפולים המועדפים על גידול מסוג זה. לעומת זאת, גליובלסטומה דורשת הסרה כירורגית של כמה שיותר מרקמת המוח הסרטנית.
מופע כמעט מושלם לתמונה
המודל-אותו פיתח יו עם המחקר המשותף למחברים ראשונים ג'ונאן ג'או ושיה-ין לין-הוערך על 2,141 שקופיות פתולוגיה מוחית שנאספו ברחבי העולם, כולל מקרים נדירים בשני החלקים הקפואים והן בדגימות קבועות פורמלין. הוא נועד לאתר תכונות סרטן קריטיות כולל צפיפות תאי הגידול, צורת התא ונוכחות נמק.
המדענים בדקו את ביצועי התמונה בחמש בתי חולים בינלאומיים בארבע מדינות. בכל מקרה, מודל ה- AI ביצע ביצועים טובים יותר מכלי AI קיימים והערכה מסורתית לקפואה, סטנדרט הטיפול בהקלדת גידולים בזמן אמת.
בבדיקות, מודל התמונה הבחין נכון את גליובלסטומה מ- PCNSL יותר מ- 98 אחוז מהזמן – רמת דיוק שהתקיימה כאשר נבדקה בחמש קבוצות חולים בינלאומיות עצמאיות. בנוסף, תמונה שזוהו דגימות השייכות ל 67 סרטן CNS שלא היו גליומות ולא לימפומות.
המודל יכול היה לאתר גידולים שלא ראתה במהלך אימוניו, וכשזה כן, הוא הרים דגל אדום לביקורת אנושית. במילים אחרות, הכלי ידע מתי הוא לא יודע, אמר יו, וזה מנע מהמערכת להקים מקרים לא ברורים לקטגוריות ידועות. החוקרים אמרו כי תכונה זו הופכת את המודל הייחודי בין מערכות AI אחרות, כך אמרו החוקרים. לשם השוואה, כלים אחרים של AI יכולים להבדיל בבינארי, או אופנה – מחלה A לעומת מחלה B. זה בעייתי במיוחד עבור פתולוגיה מוחית, ציין יו, מכיוון שיש יותר ממאה תת -סוגים שונים של סרטן מוח, ורבים מהם נדירים יחסית.
התמונה ביצעה את הפתולוגים האנושיים בגידולים קשה להבחין במוח. בבדיקות, מומחים אנושיים הראו מחלוקת משמעותית באבחנות קשות, כאשר כמה סוגים של גידולים אבחנו באופן שגוי 38 אחוז מהזמן. התמונה זיהתה נכון את כל המקרים הללו, והציעה תמיכה כאשר חוות דעת המומחים משתנה.
הפעלת תמונה לעולם האמיתי
החוקרים אמרו כי פריסת הכלי יכולה להיות הזדמנות נהדרת לשיתוף פעולה אנושי-איי. הם רואים את יישום המערכת בכל חדרי הניתוח ומחלקות הפתולוגיה כמסנן ראשוני להבדיל בין גליובלסטומה מ- PCNSL וליידע שיחות טיפוליות או לטיפול.
השימוש במודל יכול גם לדמוקרטיזציה של הגישה לנוירופתולוגיה, תחום מומחיות מתמחה מאוד עם מחסור במומחים והפצה לא אחידה של מומחים ברחבי הארץ והעולם. בנוסף, הכלי יכול לשמש גם ככלי חינוכי להכשרה של הדור הבא של הפתולוגים כדי לזהות נגעים דומים למראה במוח, שם מוסתרים ההבדלים הקריטיים תחת מראה דומה.
החוקרים ציינו כי מרבית דגימות הגידול התקבלו מחולים לבנים, ולכן יש צורך במחקר נוסף כדי לאשר את דיוק המודל בין אוכלוסיות מגוונות. ובעוד שהכלי התמקד בגליובלסטומה וב- PCNSL, עבודה עתידית עשויה להרחיב אותו לסוגי סרטן אחרים ולשלב אותו עם נתונים גנטיים ומולקולריים לתובנות עמוקות יותר.
