Noul instrument AI TORCH” identifică cu succes cauzele cancerului în cazuri primare necunoscute

Noul instrument AI TORCH” identifică cu succes cauzele cancerului în cazuri primare necunoscute

Într-un studiu recent publicat în Nature Medicine, cercetătorii au dezvoltat o abordare de învățare profundă a diferențierii originii tumorii folosind histologie citologică (TORCH) care detectează malignitatea și prezice originea tumorii în hidrotorax și ascita folosind imagini citologice de la 57.220 de pacienți.

fundal

Cancerele cu localizare primară necunoscută (CUP) sunt boli maligne care sunt diagnosticate histopatologic ca metastaze, dar a căror origine nu poate fi determinată cu ajutorul metodelor de diagnostic convenționale.

Aceste boli se manifestă adesea ca efuzii seroase și au un prognostic prost în ciuda chimioterapiei combinate. Imunohistochimia prezice cea mai probabilă origine a CUP; Cu toate acestea, cercetătorii pot detecta unele cazuri folosind cocktail-uri de imunocolorare. Identificarea precisă a locațiilor primare este crucială pentru o terapie de succes și adaptată.

Despre studiu

În studiul de față, cercetătorii prezintă TORCH, un algoritm de învățare profundă pentru identificarea dezvoltării cancerului pe baza imaginilor citologice ale ascitei și hidrotoraxului.

Cercetătorii au antrenat modelul folosind patru rețele neuronale profunde independente, care au fost combinate pentru a crea 12 modele diferite. Folosind imagini citologice, cercetătorii au încercat să dezvolte un model de diagnostic bazat pe inteligența artificială pentru a prezice dezvoltarea tumorii la persoanele cu afecțiuni maligne și metastaze de ascită sau hidrotorax.

Ei au testat și confirmat performanța sistemului AI utilizând exemple de tampon citologic din mai multe seturi de teste independente.

Din iunie 2010 până în octombrie 2023, cercetătorii au colectat date de la 90.572 de imagini citologice de la 76.183 de pacienți cu cancer la patru instituții majore (Primul Spital al Universității Zhengzhou, Institutul și Spitalul de Cancer al Universității Medicale Tianjin, Spitalul Yantai Yuhuangding și Primul Spital al Universității Suzhou) ca parte a pregătirii lor. Date.

Bolile respiratorii au reprezentat cel mai mare procent (30%, 17.058 pacienți) al grupărilor maligne.

Carcinoamele au reprezentat 57% din cazurile de ascită și hidrotorax, adenocarcinoamele fiind cel mai frecvent grup (47%, 27.006 pacienți). Doar 0,6% din carcinoamele cu celule scuamoase au metastazat la ascita sau revărsat pleural (n=346).

Pentru a testa generalizarea și fiabilitatea TORCH, cercetătorii au inclus 4.520 de pacienți consecutivi de la Spitalul de Cancer din Tianjin (setul de date Tianjin-P) și 12.467 de la Spitalul Yantai (setul de date Yantai).

Ei au selectat aleatoriu 496 de imagini de frotiu citologic din trei seturi de testare interne pentru a investiga dacă TORCH ar putea ajuta tinerii patologi să-și îmbunătățească performanța.

Ei au comparat performanța patologilor juniori folosind TORCH cu rezultatele anterioare de interpretare manuală atât pentru patologii juniori, cât și pentru cei seniori.

Cercetătorii au folosit hărțile de căldură a atenției pentru a interpreta un model AI pentru detectarea cancerului în 42.682 de imagini cu frotiu citologic de la pacienți din trei spitale terțiare mari de referință. Modelul a fost evaluat în scenarii din lumea reală folosind seturi de date de testare externe care au inclus 495 de fotografii.

Scopul studiului este de a îmbunătăți abilitățile de diagnostic ale tinerilor patologi care folosesc TORCH. Testarea de ablație a evaluat beneficiile încorporării caracteristicilor clinice în prezicerea originii tumorii și a examinat asocierea dintre factorii clinici și imaginile citologice.

Rezultate

Modelul TORCH, o tehnică nouă pentru prezicerea originilor tumorii în diagnosticul și localizarea cancerului, a fost evaluat pe diferite seturi de date.

Rezultatele au arătat că TORCH a avut o valoare globală micro-medie unu-versus-zona de odihnă sub curbă (AUROC) de 0,97, cu o precizie de top-1 de 83% și o precizie de top-3 de 99%. Acest lucru a îmbunătățit eficiența de predicție a TORCH în comparație cu patologii și, în special, a crescut rezultatele diagnostice ale tinerilor patologi.

Pacienții cu cancer de origine necunoscută a căror abordare inițială a tratamentului a fost în concordanță cu originile estimate de TORCH au avut o rată de supraviețuire globală mai mare decât cei care au primit terapie discordante. Modelul a arătat o generalizare și compatibilitate relativ fiabile.

Combinat cu cinci seturi de testare, TORCH a atins o precizie de top 1 de 83%, o precizie de top-2 de 96% și o precizie de top-3 de 99%. Au existat, de asemenea, scoruri AUROC micro-medie similare unul versus repaus în grupurile cu certitudine scăzută și înaltă.

Studiul a inclus 391 de pacienți cu cancer, dintre care 276 au fost concordanți și 115 au fost discordanți. După perioada de urmărire, 42% dintre pacienți au murit, dintre care 37% erau pacienți concordanți și 53% pacienți discordanți. Analiza de supraviețuire a arătat că pacienții concordanți au avut o supraviețuire globală semnificativ mai mare decât cei discordanți.

Pregătirea proastă a frotiului și problemele de calitate a imaginii, cum ar fi cutele tăiate, contaminarea sau supracolorarea, pot duce la supradiagnosticul AI al cancerului pancreatic. Cercetătorii pot aborda aceste deficiențe printr-o prelucrare manuală atentă pe parcursul etapei de revizuire a datelor.

În cazul cancerului de colon, mucusul a ocupat cea mai mare parte a zonei imaginii, ceea ce poate să fi făcut ca modelul AI să ignore acest aspect critic în diagnostic.

Diplomă

Pe baza rezultatelor studiului, modelul TORCH, un instrument AI, s-a dovedit promițător în practica clinică pentru a prezice originea sistemului primar a celulelor maligne din hidrotorax și ascită.

Poate diferenția între tumorile maligne și bolile benigne, poate localiza sursele de cancer și poate ajuta la luarea deciziilor clinice la pacienții cu cancer de origine necunoscută. Modelul a avut rezultate bune în cinci seturi de teste și a depășit patru patologi.

Poate ajuta oncologii în selectarea terapiei pentru persoanele neidentificate cu CUP, în primul rând adenocarcinom, tratați cu scheme de chimioterapie empirice cu spectru larg.

Surse: