人工智能预测乳腺癌治疗肿瘤直接从建筑的功效
赫尔辛基大学的研究人员已经证明了基于人工智能的可能性算法在预测目标癌症治疗的疗效根据肿瘤组织架构,没有特定的分子检测。结果表明,人工智能可以揭示肿瘤样本中以前隐藏的模式,允许发现小说肿瘤特性预测的结果和治疗效果。
人工智能(AI)的形式也越来越多地使用机器学习癌症研究和支持医疗诊断具有巨大的潜力。算法已经被训练来解决许多复杂的任务,如检测癌组织和肿瘤分级。同时,预测疾病的结果直接从一个肿瘤样本没有专家解释已经显示出不错的效果。
》中发表的研究中写道科学报告2月17日,约翰教授领导的研究小组必旨在进一步推动这些方法的功能。
研究人员致力于开发一个工具,可以检测肿瘤形态学特征的典型ERBB2-positive乳腺癌。ERBB2(也经常称为HER2)是一个著名的癌蛋白,促进肿瘤细胞的生长。大约每五乳腺癌病人额外的副本ERBB2基因ERBB2蛋白过表达和肿瘤。这些患者可以受益于治疗用单克隆抗体ERBB2 (HER2)受体。
研究结果表明,AI-algorithm能够学习模式预测ERBB2状态的肿瘤直接从肿瘤形态学在全国一系列的乳腺癌患者(FinProg研究),不使用特定的分子分析。
“我们的结果显示,肿瘤的形态学特征包含巨大的疾病的生物学信息与机器学习方法可以提取。这个有价值的数据可以帮助临床决策,”该研究的第一作者说,Dmitrii Bychkov分子医学研究所的芬兰菲、赫尔辛基大学。
为了进一步测试方法的适用性,研究人员下一步应用AI-algorithm组织样本乳腺癌患者,参加了一个大型临床试验(FinHer试验)anti-ERBB2治疗和已知ERBB2状态和结果。
有趣的是,该算法能够区分anti-ERBB2治疗患者(曲妥珠单抗),有针对性治疗ERBB2-positive癌症,分成两个影响预后不同的组。患者的肿瘤AI-algorithm预测是基于肿瘤ERBB2-positive形态被证明有一个更有利的疾病结果比预测的人工智能ERBB2负面。
“这些基于ai方法打开新的机会披露模式隐藏在组织架构驱动肿瘤进展和更长的观点可能导致更精确的诊断和更好的个性化治疗决定在乳腺癌,”医学博士说,副教授尼娜林德,co-supervised这项研究。
的观察研究也表明,一些肿瘤ERBB2-negative根据分子测试典型ERBB2-positive肿瘤形态学特征。据研究人员介绍,这些患者可能受益于治疗针对ERBB2-positive病人。
“基于ai的方法可能不仅补充当前分子诊断方法,甚至可能去超越和改善选择一些有针对性的癌症治疗的病人。我们可能需要设计临床试验来测试这个假说。重要的是,肿瘤化验可以从标准部分,”教授说海基Joensuu溶血性尿毒综合征综合癌症中心和赫尔辛基大学的这项研究的合著者。
“这是第一个研究表明,人工智能应用于肿瘤样本不仅可以预测疾病的结果,而且功效或分子靶向癌症治疗,”约翰Lundin教授说。
进一步探索