מודל חדש המבוסס על בינה מלאכותית יכול לחזות היכן סביר להניח שהגליובלסטומה תחזור לאחר הניתוח הראשוני, מה שעשוי לתת לרופאים הזדמנות לטפל בה לפני שהיא תופיע ב-MRI.
גליובלסטומה היא גידול המוח הממאיר השכיח ביותר במבוגרים והקטלני ביותר, עם הישרדות חציונית של כ-17 חודשים לאחר האבחנה. גם לאחר שהמנתחים מסירים את כל הגידול הנראה לעין והחולים מקבלים טיפול מעקב, הסרטן כמעט תמיד חוזר.
כעת, חוקרים בראשות UC San Francisco ואוניברסיטת מישיגן פיתחו גישת בינה מלאכותית שיכולה לחזות, ברמת דיוק גבוהה, היכן צפויה להופיע הישנות ראשונה. בגליובלסטומה, רוב החולים חווים הישנות בחלל הגידול או קרוב אליו.
הממצאים, שפורסמו ב-25 בספטמבר ב התקדמות המדע ובתמיכת המכונים הלאומיים לבריאות, יכולים בסופו של דבר לאפשר לרופאים להשתמש בטיפולים ממוקדים באזורים אלה לפני שגידול חדש יתגלה ב-MRI.
למערכת יש פוטנציאל מדהים לספק לנוירוכירורגים הדרכה חשובה בזמן אמת במהלך הסרת הגידול. זה גם יכול לייצר תובנות המנחות את ההחלטות הטיפוליות הבאות."
Sanjeev Herr, MD, מחבר ראשון, עמית מחקר פוסט-דוקטורט ב-UC San Francisco וב-Drexel University College of Medicine
טיפולים אלה עשויים לכלול הסרת רקמה נוספת במהלך הניתוח הראשוני כאשר זה בטוח לעשות זאת, אמר הסופר הבכיר שון הרווי-ג'מפר, MD, נוירוכירורג ב-UCSF Health ומיטשל ס. ברגר, MD, פרופסור מוכשר במכון וייל למדעי המוח.
"חולים עם מחלה בחלקים של המוח שאינם ניתנים להסרה עשויים לעבור טיפולים אחרים המכוונים לאתרי ההתקדמות החזויים, כמו קרינה מוקדית במינון גבוה יותר או תרופות המוזרמות ישירות לגידול, באמצעות צנתר המוכנס דרך הגולגולת", אמר.
שימוש ברקמה לא מעובדת חוסך זמן ומאמץ
החוקרים ניתחו דגימות רקמה שנאספו במהלך ניתוח גליובלסטומה מחולי UCSF Health, שעבורם הזמן החציוני להישנות היה 5.5 חודשים. הם פיתחו את המודל שלהם תוך שימוש בכ-300 דגימות מ-60 מטופלים ובדקו אותו בנפרד על כ-100 דגימות מ-20 מטופלים נוספים.
החוקרים השתמשו בטכניקה שנקראת היסטולוגיה של ראמאן מעוררת (SRH), אשר מייצרת תמונות מיקרוסקופיות של רקמה טרייה ולא מעובדת תוך פחות מדקה. הפתולוגיה הקונבנציונלית מחייבת עיבוד רקמות עם צבעים וכתמים, מה שאורך זמן רב יותר ודורש יותר עבודה.
לאחר מכן הם ניתחו את התמונות עם FastGlioma, מערכת בינה מלאכותית שפותחה על ידי חוקרים ב-UCSF ובאוניברסיטת מישיגן. המערכת מדרגת רקמות על סמך חדירת הגידול.
ציון הבינה המלאכותית הזה לבדו ביצע בערך כמו הפתולוגיה הקונבנציונלית בניבוי אילו אזורים יפתחו מאוחר יותר גידול חוזר. אבל כאשר חוקרים שילבו את ציון הבינה המלאכותית עם נתונים קליניים, הדמיה ומולקולריים שהם בדקו על שישה מודלים של לימוד מכונה, הם גילו שהמודל עם הביצועים הטובים ביותר היה בעל סבירות גבוהה יותר להבחין בין אתרים שיפתחו ולא יפתחו הישנות.
מדד הבינה המלאכותית של חדירת הגידול היה גם המנבא האינדיבידואלי החזק ביותר להישנות בחמישה מתוך ששת המודלים, וסיפק מידע מנבא יותר מהמאפיינים המולקולריים של הגידול.
החוקרים גם בדקו כיצד בדיוק המודל יכול לאתר היכן תתפתח הישנות. המודל הצליח לנבא אם הסרטן יחזור בטווח של 5 או 10 מילימטרים מהרקמה שנדגמה.
הצוות בחר בהישנות הראשונה מכיוון שחולים מקבלים לעתים קרובות טיפולים ניסיוניים מאוחר יותר במחלתם שיכולים להשפיע על צמיחת הגידול, מה שמקשה על חיזוי מהימן של הישנות שלאחר מכן.
"המטרה הכוללת הייתה לדחות את ההישנות הראשונה הזו", אמר הסופר הבכיר טוד הולון, MD, מהמעבדה ללימוד מכונה בנוירוכירורגיה באוניברסיטת מישיגן, אן ארבור. "בסופו של דבר, אנו מקווים שהרחבת החלון הזה תוכל לתרגם להישרדות ארוכה יותר".
