Search
Study: AI-based histopathology image analysis reveals a distinct subset of endometrial cancers. Image Credit: megaflopp/Shutterstock.com

AI מזהה תת-סוג חדש בסיכון גבוה בסרטן רירית הרחם

במחקר שפורסם לאחרונה ב תקשורת טבע, צוות חוקרים השתמש בבינה מלאכותית (AI) כדי לסווג תמונות היסטופתולוגיות ולהבדיל בין תת-סוגי סרטן רירית הרחם. הכלי זיהה תת-סוג של סרטן רירית הרחם המכונה NSMP או No Specific Molecular Profile, המאופיין במחלה אגרסיבית ובשיעורי הישרדות נמוכים.

מחקר: ניתוח היסטופתולוגיה מבוסס AI מגלה תת-קבוצה ברורה של סרטן רירית הרחם. קרדיט תמונה: megaflopp/Shutterstock.com

רקע כללי

סרטן רירית הרחם יכול להיות מסווג לארבעה תת-סוגים, שלכל אחד מהם השלכות טיפוליות ותחזית שונות מאוד.

הסיווג של תת-סוגים אלה התבסס עד כה על פרמטרים קליניים-פתולוגיים לא נאותים עם יכולת שחזור לא אופטימלית, אשר השפיעה ישירות על ניהול הסרטן.

הקצאת היסטורית וציונים לא עקבית עבור הגידולים הביאה להערכת סיכונים לא מדויקת, מה שהוביל לטיפול יתר או טיפול לא הולם המוביל להישנות ואף למוות.

פרויקט גנום הסרטן אטלס הראה שניתן להשתמש ברצף האקסום והגנום השלם ובמבחני אי-יציבות מיקרו-לוויינים כדי לחלק סרטן רירית הרחם לארבעה תת-סוגים פרוגנוסטיים המבוססים על המוטציות הגנטיות השולטות.

בנוסף, הפיתוח של כלי AI עם מודלים של למידה עמוקה מיושם יותר ויותר בתחומים רפואיים לעיבוד כמויות גדולות של נתוני תמונה או טקסט. נתונים אלה משמשים לאחר מכן לזיהוי סמנים ביולוגיים פוטנציאליים ולשיפור אבחנות פתולוגיות של סוגי סרטן.

לגבי המחקר

במחקר הנוכחי, החוקרים בנו כלי סיווג תמונות מבוסס AI תוך שימוש בתכונות למידה עמוקה שניתחו תמונות היסטופתולוגיות של שקופיות מוכתמות המטוקסילין ואאוזין כדי להבחין בין שני תת-הסוגים של סרטן רירית הרחם NSMP ו-p53 abnormal או p53abn.

במחקר קודם, החוקרים פיתחו מערכת סיווג מולקולרית לסרטן רירית הרחם שניתן ליישם בקלות במצבים קליניים. מערכת זו חילקה את סרטן רירית הרחם לארבעה תת-סוגים.

הראשון היה ה מוֹט תת-סוג מוטנטי, שבו הגן המעורב בהגהה ותיקון של חומצה deoxyribonucleic (DNA) – DNA פולימראז אפסילון או POLE – הכיל מוטציות פתוגניות.

תת-הסוג השני היה תת-הסוג חסר-התאמה לתיקון או MMRd, שבו בדיקות אבחון מבוססות אימונוהיסטוכימיה גילו היעדר חלבוני מפתח המעורבים בתיקון אי-התאמה.

תת-הסוג השלישי אובחן גם הוא באמצעות ניתוחי אימונוהיסטוכימיה והתאפיין בהפרעות בחלבון מדכא הגידול p53.

תת-הסוג האחרון, NSMP, אובחן על ידי ביטול כל תווי האבחון של שלושת תת-הסוגים האחרים עקב היעדר מאפיינים מגדירים כלשהם.

כאן, החוקרים השתמשו בסיווג תמונה מבוסס AI כדי לנתח את המאפיינים ההיסטופתולוגיים ולהבחין בין תת-הסוגים NSMP ו-p53abn.

הם שיערו שלתת-קבוצה של חולים בתת-סוג NSMP יש גידולים הדומים מבחינה היסטולוגית לגידולים שנראו בחולים בתת-הסוג p53abn, והיישום של מודלים של למידה עמוקה להערכת השקופיות המוכתמות בהמטוקסילין ואאוזין יעזור לזהות תת-קבוצה זו. .

למחקר זה, החוקרים השתמשו בחתכי רקמה מוכתמים בהמטוקסילין ובאאוזין מכריתות רחם שנערכו בחולי סרטן רירית הרחם עם תת-הסוגים p53abn או NSMP.

המחקר השתמש בקבוצת גילוי המורכבת מ-368 חולים, והממצאים אושרו באמצעות שתי עוקבות עצמאיות של 614 ו-290 חולים.

החוקרים ערכו גם רצף גנום שלם רדוד של דגימות מייצגות משני תת-הסוגים ודגימות NSMP דמויות p53abn מקבוצת האימות. נתונים אלה שימשו לניתוח של פרופילי מספר העתקות ופרופילי ביטוי גנים.

תוצאות

המחקר מצא כי ניתוח מבוסס AI של תמונות היסטופתולוגיות זיהה בהצלחה תת-קבוצה של חולים בתת-סוג NSMP שהראו שיעורי הישרדות נמוכים משמעותית והיו בעלי צורה אגרסיבית יותר של סרטן.

תת-קבוצה זו המורכבת מגידולים אגרסיביים היוותה כמעט 20% מגידולי NSMP, המהווים 10% מכלל מקרי סרטן רירית הרחם.

התוצאות הצביעו על כך שמאפיינים קליניים-פתולוגיים, בדיקות אימונוהיסטוכימיה, סמנים מולקולריים של הדור הבא ופרופילי ביטוי גנים עדיין לא יוכלו להבחין בין תת-סוגי p53abn לבין מקרי NSMP דמויי p53abn.

מודל הלמידה העמוקה זיהה גם גידולים בעלי חלבון גידול TP53 מוטציות למרות שהצביעה החיסונית עבור p53 הייתה תקינה, שאם לא כן, היה יכול להיות שלילי כוזב בהתבסס על סיווג אימונוהיסטוכימיה.

הכלי המבוסס על בינה מלאכותית יכול לזהות את תת-קבוצות ה-NSMP עם סרטן דמוי p53abn אגרסיבי יותר גם כאשר המאפיינים הפתולוגיים והמולקולריים לא יכלו לחזות את תוצאות ההישרדות הנחותות.

ניתוח ריצוף גנום שלם הרדוד הראה שתת-קבוצה זו של מקרי NSMP הראתה שיעור גבוה יותר של גנומים שהשתנו ולא יציבים בדומה לתת-הסוג p53abn אך עם רמה נמוכה יותר של חוסר יציבות.

הממצאים גם סיפקו עדויות להבדלים היסטופתולוגיים בתת-קבוצה זו למרות היעדר הבחנות פתולוגיות או אימונוהיסטוכימיות עם תת-הסוג NSMP.

מסקנות

בסך הכל, הממצאים הצביעו על כך שמסווג התמונות מבוסס בינה מלאכותית היה מסוגל להבחין בין תת-קבוצות של חולי סרטן רירית הרחם ולזהות תת-קבוצה עם תוצאות הישרדות נחותות משמעותית.

החוקרים מאמינים שניתן לשלב בקלות כלי זה מבוסס בינה מלאכותית בתהליך האבחון הקליני כדי לסרוק תמונות היסטופתולוגיות באופן שגרתי.

יתרה מזאת, עם חידוד נוסף, כלי זה מבוסס בינה מלאכותית עשוי להחליף את השיטה הארוכה והיקרה יותר של אבחון מבוסס סמנים מולקולריים.

דילוג לתוכן