تحدد أداة الذكاء الاصطناعي الجديدة TORCH بنجاح أسباب السرطان في الحالات الأولية غير المعروفة

تحدد أداة الذكاء الاصطناعي الجديدة TORCH بنجاح أسباب السرطان في الحالات الأولية غير المعروفة

في دراسة حديثة نشرت في Nature Medicine، طور الباحثون نهجًا للتعلم العميق للتمايز بين أصل الورم باستخدام علم الأنسجة الخلوي (TORCH) الذي يكتشف الأورام الخبيثة ويتنبأ بأصل الورم في الاستسقاء الصدري والاستسقاء باستخدام الصور الخلوية من 57220 مريضًا.

خلفية

السرطانات ذات الموقع الأساسي غير المعروف (CUP) هي أمراض خبيثة يتم تشخيصها تشريحيًا على أنها نقائل، ولكن لا يمكن تحديد أصلها باستخدام طرق التشخيص التقليدية.

غالبًا ما تظهر هذه الأمراض على شكل انصبابات مصلية ويكون تشخيصها سيئًا على الرغم من العلاج الكيميائي المركب. تتنبأ الكيمياء المناعية بالأصل الأرجح لـ CUP؛ ومع ذلك، يمكن للباحثين اكتشاف بعض الحالات باستخدام الكوكتيلات المناعية. يعد التحديد الدقيق للمواقع الأولية أمرًا بالغ الأهمية للعلاج الناجح والمصمم خصيصًا.

حول الدراسة

في هذه الدراسة، يقدم الباحثون TORCH، وهي خوارزمية التعلم العميق لتحديد تطور السرطان بناءً على الصور الخلوية للاستسقاء ومودر الصدر.

وقام الباحثون بتدريب النموذج باستخدام أربع شبكات عصبية عميقة مستقلة، والتي تم دمجها لإنشاء 12 نموذجًا مختلفًا. باستخدام الصور الخلوية، حاول الباحثون تطوير نموذج تشخيصي يعتمد على الذكاء الاصطناعي للتنبؤ بتطور الورم لدى الأشخاص المصابين بالأورام الخبيثة والاستسقاء أو النقائل الهيدروثوراكسية.

لقد اختبروا وتأكدوا من أداء نظام الذكاء الاصطناعي باستخدام عينات مسحة الخلايا من مجموعات اختبار مستقلة متعددة.

في الفترة من يونيو 2010 إلى أكتوبر 2023، جمع الباحثون بيانات من 90572 صورة لطاخة الخلايا من 76183 مريضًا بالسرطان في أربع مؤسسات رئيسية (المستشفى الأول بجامعة تشنغتشو، ومعهد ومستشفى السرطان بجامعة تيانجين الطبية، ومستشفى يانتاي يوهوانغدينغ، والمستشفى الأول بجامعة سوتشو) كجزء من تدريبهم. بيانات.

وتمثل أمراض الجهاز التنفسي أعلى نسبة (30%، 17058 مريضا) من التجمعات الخبيثة.

شكلت الأورام السرطانية 57% من حالات الاستسقاء وموه الصدر، وكانت الأورام السرطانية الغدية هي المجموعة الأكثر شيوعًا (47%، 27006 مريضًا). فقط 0.6٪ من سرطانات الخلايا الحرشفية تنتقل إلى الاستسقاء أو الانصباب الجنبي (العدد = 346).

ولاختبار قابلية تعميم وموثوقية TORCH، شمل الباحثون 4520 مريضًا متتاليًا من مستشفى تيانجين للسرطان (مجموعة بيانات Tianjin-P) و12467 مريضًا من مستشفى يانتاي (مجموعة بيانات يانتاي).

لقد اختاروا بشكل عشوائي 496 صورة لطاخة علم الخلايا من ثلاث مجموعات اختبار داخلية للتحقق مما إذا كان TORCH يمكن أن يساعد علماء الأمراض الشباب على تحسين أدائهم.

وقاموا بمقارنة أداء علماء الأمراض المبتدئين باستخدام TORCH مع نتائج التفسير اليدوي السابقة لكل من علماء الأمراض الصغار والكبار.

استخدم الباحثون خرائط الحرارة لتفسير نموذج الذكاء الاصطناعي للكشف عن السرطان في 42682 صورة لطاخة الخلايا من المرضى في ثلاثة مستشفيات إحالة كبيرة من المستوى الثالث. تم تقييم النموذج في سيناريوهات العالم الحقيقي باستخدام مجموعات بيانات الاختبار الخارجية التي تضمنت 495 صورة.

الهدف من هذه الدراسة هو تحسين المهارات التشخيصية لعلماء الأمراض الشباب باستخدام TORCH. قام اختبار الاجتثاث بتقييم فوائد دمج السمات السريرية في التنبؤ بأصل الورم وفحص العلاقة بين العوامل السريرية والصور الخلوية.

نتائج

تم تقييم نموذج TORCH، وهو تقنية جديدة للتنبؤ بأصول الورم في تشخيص السرطان وتوطينه، على مجموعات بيانات مختلفة.

أظهرت النتائج أن TORCH كان لديه متوسط ​​دقيق إجمالي لقيمة منطقة واحدة مقابل منطقة الراحة تحت المنحنى (AUROC) تبلغ 0.97، مع دقة من أعلى 1 بنسبة 83% ودقة من أعلى 3 بنسبة 99%. أدى هذا إلى تحسين كفاءة التنبؤ لـ TORCH مقارنة بأخصائيي الأمراض، وزاد بشكل خاص من النتائج التشخيصية لعلماء الأمراض الشباب.

كان لدى المرضى الذين يعانون من سرطانات مجهولة المنشأ والذين كان نهج العلاج الأولي متسقًا مع الأصول المقدرة بواسطة TORCH معدل بقاء إجماليًا أعلى من أولئك الذين تلقوا علاجًا متعارضًا. أظهر النموذج تعميمًا وتوافقًا موثوقين نسبيًا.

بالاشتراك مع خمس مجموعات اختبار، حققت TORCH دقة من أعلى 1 بنسبة 83%، ودقة من أعلى 2 بنسبة 96%، ودقة من أعلى 3 بنسبة 99%. كانت هناك أيضًا درجات AUROC مماثلة ذات متوسط ​​دقيق واحد مقابل الراحة في مجموعات اليقين المنخفضة والعالية.

شملت الدراسة 391 مريضاً بالسرطان، منهم 276 متطابقين و115 متعارضين. بعد فترة المتابعة، توفي 42% من المرضى، منهم 37% كانوا مرضى متوافقين و53% مرضى متعارضين. وكشف تحليل البقاء على قيد الحياة أن المرضى المتوافقين لديهم معدل بقاء إجمالي أعلى بكثير من المرضى المتنافرين.

يمكن أن يؤدي سوء إعداد اللطاخة ومشكلات جودة الصورة مثل تجاعيد القطع أو التلوث أو الإفراط في تلطيخها إلى الإفراط في تشخيص سرطان البنكرياس بواسطة الذكاء الاصطناعي. يمكن للباحثين معالجة أوجه القصور هذه من خلال المعالجة اليدوية الدقيقة خلال خطوة مراجعة البيانات.

في حالة سرطان القولون، احتل المخاط معظم مساحة الصورة، مما قد يتسبب في تجاهل نموذج الذكاء الاصطناعي لهذا الجانب المهم في التشخيص.

دبلوم

بناءً على نتائج الدراسة، أظهر نموذج TORCH، وهو أداة تعمل بالذكاء الاصطناعي، نتائج واعدة في الممارسة السريرية للتنبؤ بأصل النظام الأساسي للخلايا الخبيثة في استسقاء الصدر والاستسقاء.

ويمكنه التمييز بين الأورام الخبيثة والأمراض الحميدة، وتحديد مصادر السرطان، والمساعدة في اتخاذ القرارات السريرية لدى المرضى الذين يعانون من سرطانات مجهولة المنشأ. كان أداء النموذج جيدًا في خمس مجموعات من الاختبارات وتفوق على أربعة من علماء الأمراض.

قد يساعد أطباء الأورام في اختيار العلاج للأفراد غير المعروفين المصابين بالـ CUP، وخاصة السرطان الغدي، الذين يتم علاجهم بأنظمة علاج كيميائي تجريبية واسعة النطاق.

مصادر: