חוקרים במכון פול שרר PSI ובמכון הטכנולוגי של מסצ'וסטס MIT משתמשים בבינה מלאכותית כדי לשפר את הסיווג של סרטן השד.
לא כל סוגי הסרטן זהים. חלק מהגידולים גדלים לאט מאוד או כמעט ואינם משתנים מצורה טרום סרטנית לא מזיקה יחסית לצורה מסכנת חיים. אצל גברים, זה כולל סרטן הערמונית, ובנשים, מבשר לסרטן השד בצינורות החלב, המכונה קרצינומה דוקטלי באתרו. ב-30 עד 50 אחוז מהמקרים, צורה זו, המקוצרת ל-DCIS, מתפתחת לסרטן שד פולשני מאיים. מכיוון ש-DCIS ניתן לריפוי, הרופאים ממליצים בדרך כלל על טיפול. עד כה, חסרו לרופאים את האינדיקטורים הדרושים כדי להחליט באופן מהימן אילו גידולים יישארו שפירים ואילו יהפכו לסרטן דרכי פולשני מסכנת חיים (IDC).
חוסר הידע הזה באפיון סרטן השד גרם למחקר חדש, בראשות GV Shivashankar, ראש המעבדה לביולוגיה ננומטרית ב-PSI ופרופסור למכנו-גנטיקה ב-ETH ציריך, וקרוליין אוהלר, מנהלת מרכז אריק וונדי שמידט ב-PSI. מכון ברוד ופרופסור להנדסת חשמל ומדעי המחשב ב-MIT. החוקרים פיתחו מערכת לניתוח תמונות המשתמשת בבינה מלאכותית כדי לקבוע בצורה מהימנה את שלב המחלה. "העבודה שלנו פותחת גישה ייחודית לזיהוי השלב של DCIS באמצעות תמונות המראות כיצד ה-DNA ארוז בכל תא בודד. איסוף הנתונים הללו הוא פשוט וזול", מסביר שיבשנקר.
נשים חיות עם חוסר ודאות בקבלת החלטות טיפוליות
DCIS מהווה כ-25 אחוז מכלל האבחנות של סרטן השד. התאים המצפים את צינורות החלב של המטופל נראים שונים מרקמות בריאה, ולעתים קרובות נראים מיקרו-הסתיידויות. הטיפול יכול לבוא בצורה של הקרנות, טיפול הורמונלי או ניתוח. בפרקטיקה הקלינית, רופאים משתמשים בתהליך המכונה דירוג כדי לקבוע את הפרוגנוזה ל-DCIS ולבחור טיפול מתאים. זה כולל סיווג כמות השינוי והקצאת התוצאה לאחת משבע קטגוריות שונות. אלה מתארים מאפיינים כמו גודל ה-DCIS, הופעת גרעיני התא, האם הוא גדל (היפרפלזיה), האם התאים נכנסו לרקמה שכנה (פולשנית), האם הם התפשטו לתאי לימפה או דם (אגרסיביים) או האם הם נמצאים בתהליך של יצירת גידולים משניים (גרורתיים).
עם זאת, ההתקדמות מ-DCIS לצורה רצינית של IDC אינה בטוחה בשום אופן – 50 עד 70 אחוז מהמקרים נשארים שפירים. אבל איזה? מדענים נוקטים בגישות שונות כדי להפוך את התחזיות שלהם לאמינות יותר. לדוגמה, נעשה שימוש בטכנולוגיית הדמיה מתוחכמת כדי לזהות אינדיקטורים לסיכון הנשקף מצורה מוקדמת של המחלה. גישה נוספת כוללת ניתוחי תעתיק מקיפים. אלה משתמשים ברצף כדי לקבוע כמה ואיזה גנים פעילים בתאים חשודים בנקודת זמן מסוימת. עם זאת, גישות אלו טרם נבדקו בפרקטיקה הקלינית היומיומית, והן מסובכות מדי ויקרות מכדי להיות מעשיות. עבור הנשים הנוגעות בדבר, ההחלטה על הטיפול הנכון נותרה כרוכה בחוסר ודאות: הן עומדות בפני סיכוי לעבור טיפול שאולי לא רק מיותר, אלא גם יכול להכיל סיכון לתופעות לוואי.
AI משפר את הבמה של DCIS
המחקר הנוכחי מראה כי בינה מלאכותית (AI) יכולה לשפר את הבמה באמצעות נתונים שקל וזול לאסוף. החוקרים, בראשות Shivashankar ו-Uhler, אימנו אלגוריתם למידת מכונה על 560 דגימות רקמה מ-122 חולים. אלה נצבעו בצבע DAPI, שגורם לכרומטין בגרעין התא להאיר. הכרומטין מורכב, בין היתר, מ-DNA ומחלבונים. על סמך הופעתו ניתן להסיק מסקנות לגבי הארגון ובכך לפעילות ה-DNA בגרעין התא. לאחר שלב למידה, מודל הבינה המלאכותית הצליח לזהות דפוסים בחתכי הרקמה התואמים את ההבדלים שזוהו על ידי פתולוגים אנושיים. "הניתוח שלנו מראה שתמונות כרומטין, שהן זולות וקלות להשגה, יחד עם אלגוריתמי AI רבי עוצמה, יכולות לספק מספיק מידע כדי ללמוד כיצד מצב התא וארגון הרקמה משתנים במהלך המעבר מ-DCIS ל-IDC, ובכך לחזות במדויק את השלב של המחלה", מסביר אולר.
החוקרים מאמינים שלסוג זה של סיווג גידולים המבוסס על AI והדמיית כרומטין יש פוטנציאל גדול. עם זאת, לפני שניתן להשתמש בה ביישומים מעשיים, יש צורך במחקרים נוספים רבים כדי להדגים את המהימנות והבטיחות של הגישה, כולל ניטור ארוך טווח של חולי DCIS.
