一种基于人工智能的新模型可以预测胶质母细胞瘤在初次手术后会在哪里复发，让医生有机会在 MRI 上显示胶质母细胞瘤之前对其进行治疗。
胶质母细胞瘤是成人最常见的恶性脑肿瘤，具有高度致命性，诊断后中位生存期约为 17 个月。即使外科医生切除了可见的肿瘤并且患者接受了进一步的治疗，癌症也几乎总是会复发。
现在，由加州大学旧金山分校和密歇根大学领导的研究人员开发了一种人工智能方法，该方法具有很高的准确性，很可能会出现第一次迭代。在胶质母细胞瘤中，大多数患者在瘤腔处或附近复发。
调查结果于9月25日公布 科学进步 在美国国立卫生研究院的支持下，医生可以在 MRI 上发现新肿瘤之前在这些区域使用靶向治疗。
“该系统具有巨大的潜力，可以在肿瘤切除过程中为神经外科医生提供有价值的实时指导，”第一作者桑吉夫·赫尔（Sanjeev Her）说，他是加州大学旧金山分校和德雷塞尔大学医学院的博士后研究员。 “它还可以产生可以指导进一步治疗决策的见解。”
加州大学旧金山分校健康中心的神经外科医生、资深作者肖恩·赫维-跳跃医学博士和威尔神经科学研究所的捐赠教授米歇尔·S·伯杰说，这些治疗方法可能包括在安全的情况下在初次手术时去除多余的组织。
他说：“患有无法切除的大脑部位疾病的患者可能会接受针对预测进展区域的其他治疗，例如通过穿过颅骨的导管进行高剂量局部放射或直接注射到肿瘤中的药物。”
使用未经处理的组织可以节省时间和精力
研究人员分析了在胶质母细胞瘤手术期间从 UCSF Health 患者那里收集的组织样本，这些患者的平均复发时间为 5.5 个月。他们使用来自 60 名患者的约 300 个样本开发了模型，并在另外 20 名患者的约 100 个样本上单独进行了测试。
研究人员使用了一种称为受激拉曼组织学（SRH）的技术，该技术可以在不到一分钟的时间内生成新鲜的、未经处理的组织的显微图像。传统的病理学需要用染料和染色剂对组织进行处理，这既费时又费力。
他们使用 Fastglioma 分析了图像，Fastglioma 是加州大学旧金山分校和密歇根大学研究人员开发的人工智能系统。该系统根据肿瘤浸润对组织进行评分。
除了传统诊断之外，人工智能评分还可以单独预测哪些区域会出现复发性肿瘤。当研究人员将人工智能评分与在六种机器学习模型上测试的临床、成像和分子数据结合起来时，他们发现表现最好的模型更有可能区分出现复发的部位和未出现复发的部位。
肿瘤浸润的人工智能测量是一个强大的个体预测因子，可在六个模型中的五个中复制，提供比肿瘤分子特征更多的预测信息。
研究人员还测试了该模型识别复发部位的准确度。该模型能够很好地预测癌症是否会在采样组织的 5 毫米或 10 毫米范围内复发。
研究小组选择了第一次复发，因为患者经常接受影响其疾病中肿瘤生长的实验性治疗，这使得可靠地预测随后的复发变得更加困难。
“整个目标是延迟第一次复发，”密歇根大学安娜堡分校神经外科机器学习实验室的共同资深作者 Todd Hollon 医学博士说。 “最终，我们希望扩大这个窗口将带来更长的生存期。”
来源：
加州大学旧金山分校
期刊参考：
Leave a Reply