עליית הבינה המלאכותית בנוירו-אונקולוגיה

מאמר סקירה חדש ב npj Precision Oncology מסכם את מצב הידע הנוכחי לגבי תפקידה של בינה מלאכותית (AI) באבחון, טיפול ופרוגנוזה של גידולי מוח.

לימוד: בינה מלאכותית בנוירו-אונקולוגיה: התקדמות ואתגרים באבחון גידולי מוח, פרוגנוזה וטיפול מדויק. קרדיט תמונה: metamorworks/Shutterstock.com

רקע כללי

גידולי מוח, למרות שהם לא שכיחים, מהווים אתגר בריאותי משמעותי בעולם, עם כ-250,000 מקרים חדשים מדי שנה. בארצות הברית לבדה דווחו למעלה מ-96,000 מקרים של גידולי מוח בשנת 2022, כאשר כ-26,600 מתוכם היו סרטניים.

גליובלסטומה היא הסוג המאובחן השכיח ביותר של גידול מוחי ויש לו פרוגנוזה גרועה במיוחד, עם שיעור הישרדות של 7% בלבד חמש שנים לאחר האבחנה.

זה מדגיש את הצורך הדחוף בשיטות משופרות לאבחון, טיפול וחיזוי התקדמות גידולי מוח.

אתגרים בניהול גידולי מוח

גליומה קו אמצע מפוזרת (DMG) בילדים וגליובלסטומה במבוגרים הם בין גידולי המוח הקשים ביותר לטיפול ולעתים קרובות נחשבים חשוכי מרפא עם הגישות הרפואיות הנוכחיות.

טיפולים מותאמים הם הסיכוי הטוב ביותר לספק תרופה עם מינימום נזק אפשרי. עם זאת, האתגר הוא שהמידע על אבחון וטיפול בגידולי מוח מפוזר וקשה להשיג.

רק למספר נבחר של מרכזים רפואיים יש גישה לטכניקות הטיפול העדכניות ביותר. יתרה מכך, חלק ניכר מהנתונים הזמינים על טיפולים אלו מקורו במוסד אחד או מכמה מוסדות, מה שמגביל את רוחב הידע והנגישות עבור רבים.

גישות ניהול וקריטריונים לאבחון המבוססים על נתונים כאלה פתוחים למחסור בנתונים דמוגרפיים וייתכן שלא ניתן להכליל באופן גלובלי.

אי שוויון סוציו-אקונומי תורם גם לאבחון מאוחר, לאתגרים טיפוליים ולהפחתת ההישרדות על ידי הגבלת הגישה לכמה בדיקות מפתח והפחתת הסיכויים לטיפולים משולבים. זה כולל בדיקת 06-Methylguanine-DNA-methyltransferase (MGMT) לגליובלסטומה.

קשה לענות על הצורך באבחון מדויק, בשלבים ובניטור הטיפול במקרים רבים.

בהתחשב בתרומת הגנוטיפ של הגידול לפרוגנוזה, נגישות מוגבלת להדמיה ולביופסיה, הטרוגניות תוך-גידולית וסמנים ביולוגיים לא אמינים לניטור התקדמות הטיפול, ישנם מכשולים משמעותיים לטיפול האופטימלי בחולים אלו.

פרדיגמת גידול המוח

ברוב המקרים, מאובחן חשד לגידול מוחי, החל מבדיקה גופנית והדמיה עצבית. אחרי זה ביופסיה. במידת האפשר, הגידול וסמנים ביולוגיים אחרים מוסרים ועוברים ניתוח היסטולוגי ומולקולרי.

בחירת הטיפול תלויה בפרקטיקות טיפול זמינות ומומלצות, ניסויים קליניים שמתקיימים כעת, מצבו הרפואי של המטופל וסיכונים לרעילות. הדמיית תהודה מגנטית (MRI) היא שיטת המעקב המועדפת, לעיתים בתוספת נוזל מוחי (CSF) או בדיקות דם.

"החלטות בנוגע לטיפול בגידולי מוח כרוכות לעתים קרובות במפגשים רב-תחומיים בין נוירו-אונקולוגים, נוירוכירורגים, נוירורדיולוגים, פתולוגים מולקולריים ונוירופתולוגים, המדגישים את המורכבות של החלטות אלו.."

היתרונות של AI

בינה מלאכותית כוללת טכניקות למידת מכונה (ML) ולמידה עמוקה (DL), ראייה ממוחשבת (CV), ושילובן כביולוגיה חישובית. ML מצטיין בזיהוי תבניות ו-DL בחילוץ תכונות מפורטות. CV משפר את הפרשנות החזותית של נתוני הדמיה כדי לספק נתונים רפואיים.

ביולוגיה חישובית משתמשת בכל השיטות הללו כדי לנתח נתונים ביולוגיים, ועוזרת להבין את הגנטיקה של הגידול וביולוגיה מולקולרית.

מחקר זה נועד לחשוף התקדמות גידול בסיוע בינה מלאכותית, פתולוגיה וגנומיקה. AI תורם באופן סינרגיסטי לכל התחומים הללו כדי לשפר את תפקידם כמערך נתונים משולב בניהול גידולי מוח.

בינה מלאכותית עשויה לסייע לרופאים לנווט החלטות בנושא ניהול גידולים על ידי שיפור דיוק הדמיית MRI ושיפור המהירות שבה התוצאות זמינות.

הוא מציע רגישות מוגברת לחריגות שנקלטו בהדמיה, ניתוח תמונה מפורט, זרימות עבודה אופטימליות, ניתוח נתונים מקיף ממקורות מרובים וזיהוי דפוסים שעלולים להחמיץ על ידי הצופה האנושי.

אלגוריתמי AI עוזרים לאתר גידולים בצורה יעילה יותר, תוך הימנעות מטעויות אנוש. אלגוריתם nnU-Net מצטיין בפילוח גידולים, הפחתת קרינה או נזק ניתוחי.

זה מאפשר לבינה מלאכותית לעזור לאבחן ולדרג את הגידול, לקבוע את הפרוגנוזה ולתכנן טיפול תוך הקמת מסגרת ניטור.

בינה מלאכותית עשויה להפוך לחלק מניסויים קליניים חדשים, תוך בחינת ההיתכנות של טיפול מותאם אישית על ידי מינוף יכולתו להתמודד עם כמויות גדולות של נתונים.

בינה מלאכותית משתמשת בסוגי נתונים שונים, כולל נתוני הדמיה מ-MRI וטומוגרפיה ממוחשבת (CT), רדיומיקה, נתונים היסטופתולוגיים, גנומיקה, סמנים ביולוגיים מולקולריים מתאי גידול ונתונים קליניים.

הדמיית עצבים משתמשת לעתים קרובות בהדמיה משוקללת טרום ופוסט ניגודיות T1, משוקללת T2, התאוששות היפוך מוחלשת נוזל (FLAIR), דיפוזיה משוקללת (DWI) והדמיה משוקללת רגישות (SWI), וכן, במרכזים מיוחדים, MR ספקטרוסקופיה והדמיית זלוף.

סמנים ביולוגיים מולקולריים כוללים מוטציות IDH עבור אסטרוציטומות ואוליגודנדרגליומות, מוטציות פרומטור TERT עבור גליובלסטומות, הגברה של EGFR עבור גליובלסטומות, עלייה של כרומוזום 7 ואובדן כרומוזום 10 עבור גליובלסטומות, ומתילציה של פרוסטר MGMT עבור גליובלסטומות.

ניתוח DNA במחזור לא פולשני (ctDNA) הוא שיטה חדשה יותר לאבחון גידולים כאלה.

פלטפורמות בינה מלאכותית

3D U-Net, DeepMedic ו-V-Net הן ארכיטקטורות AI המסייעות בעיבוד מקדים של תמונות גידול, מה שהופך את הניתוח לחזק ומדויק יותר. פרופיל מתילום שימושי בסיווג גידולי מוח באמצעות AI/MI ומערכות כמו DeepGlioma. זה משתמש בהיסטולוגיה מעוררת של ראמאן (SRH) כדי להציע תוצאות על אבחון מולקולרי של GMB בתוך 90 שניות.

מערכות אחרות לניבוי IDH ומוטציות אחרות בהתבסס על נתוני רדיומיקה מסריקות זלוף MRI או סריקות 18F-FET PET/CT נבדקות, כגון חתימת הדמיה בלמידה עמוקה (DLIS) וספקטרוסקופיה של Terahertz.

'חדקן' היא שיטת DL נוספת לסיווג גידולי מוח תוך-ניתוחית באמצעות נתוני מערך מתילציה ברצף ננו-פוריים. זמן האספקה ​​שלו של 40 דקות, עם דיוק של מעל 70%, מסייע בקבלת החלטות כירורגית.

עזרה פרוגנוסטית ניתנת מנתוני הדמיה כדי לחזות הישרדות כוללת והישרדות ללא התקדמות, שני מדדי מפתח קליניים ומחקריים.

בשילוב עם היסטולוגיה וביולוגיה מולקולרית, הוכח ביצועי ניבוי יוצאי דופן.

גישות משולבות

גישות היתוך נתונים רב-מודאליות יכולות לעזור להשיג הבנה פחות פולשנית ומדויקת יותר של גידולי מוח באמצעות מקורות נתונים מרובים. זה יעזור בסופו של דבר להתאים את הטיפול למטופל.

האתגר הוא להרחיב ולגוון את טווח איסוף הנתונים לאוכלוסיות אחרות וסוגי גידולים עם תכונות סטנדרטיות כדי להבטיח שחזור והכללה.

אימוץ הבינה המלאכותית לא אמור להחמיר את אי השוויון הבריאותי והחברתי, תוך שימת דגש על הצורך להסיר הטיות, לספק תמיכה משפטית, לתקשר בשקיפות את ההיקף והיתרונות, להגדיר אחריות ולשמור על בטיחות המטופלים.

מסקנות

"ל-AI יש את הפוטנציאל להעצים את המטופלים על ידי אספקת מידע מותאם אישית ומאפשרת קבלת החלטות משותפת. עם זאת, יש לטפל בגישה הוגנת ובמחיר הסביר של שירותי בריאות מונעי בינה מלאכותית כדי להימנע מהחרפת הפערים הקיימים."