100'den fazla laboratuvar bilimcisi, yaklaşık 100 beyin kanseri türünü doğru bir şekilde teşhis etmek için ortaklaşa bir süper AI sistemi geliştirdi
Xin Zhiyuan Rehberi Profesör Zhang Kangın gişe rekorları kıran yapay zeka araştırmasıyla ilgili son haberimizin üzerinden bir aydan az zaman geçti. Dünyanın dört bir yanındaki 100'den fazla laboratuvardan yaklaşık 150 bilim insanı, en iyi dergi Nature'da ortak bir makale yayınladı. Tümörlere dayalı bir süper yapay zeka sistemi geliştirdiler. Doku DNA metilasyon verileri, yaklaşık 100 farklı merkezi sinir sistemi tümörünü doğru bir şekilde ayırt edebilir.
Bu AI sistemi, kılavuzda olmayan bazı yeni kategorileri de keşfedebilir. Bu, kanserin hassas tedavisi için başka bir büyük gelişmedir.
Bu araştırma bir yandan merkezi sinir sistemi tümörlerinin teşhisinde mevcut zorluğu giderirken, diğer yandan da henüz mükemmel olmayan merkezi sinir sistemi tümörlerinin sınıflandırılmasına büyük katkı sağlamıştır.
Pek çok kanser arasında, merkezi sinir sistemi tümörleri muhtemelen başa çıkması en zor olanıdır. Şu anda, bilim adamları 100'den fazla tipte merkezi sinir sistemi tümörü tespit etmişlerdir, bunların klinik belirtileri ve biyolojik özellikleri oldukça spesifiktir ve teşhis edilmesi zordur. Nedeniyle Bu tip tümörün moleküler belirteçleri azdır. Şu anda, merkezi sinir sistemi tümörlerinin klinik teşhisinin temel teknolojisi, mikroskoba dayalı histolojik tanıdır. .
Bununla birlikte zorluk, mikroskop altında benzer şekilde davranan birçok tümörün aslında farklı gen mutasyon özelliklerine sahip olmasından kaynaklanıyor, bu da gözlemlenmesi neredeyse zor, bu da doğru teşhis için büyük zorluklar getiriyor. FDA, hastalıkların teşhisine yardımcı olmak için histopatolojik kesit görüntülemeye dayanan teknolojiyi onaylasa da, birçok girişim, doktorların teşhiste yardımcı olması için bu patolojik resimleri analiz etmek için AI kullanmaya başladı. Ancak, yukarıdaki sorunlardan hala kaçınılamaz.
Bu nedenle, son yıllarda DSÖ, belirli beyin kanseri alt türlerine ilişkin çeşitli gen mutasyonları ve metilasyon gibi sınıflandırma kriterlerine kademeli olarak moleküler göstergeler eklemiştir.
Andreas von Deimling ve Stefan M. Pfister liderliğindeki uluslararası ekip, kanserin metilomunu analiz etmenin akıllıca bir yolu olduğuna inanıyor. Bir yandan, metilasyon özellikleri ilgili hücre değişikliklerini işaretleyebilir, diğer yandan hücre kaynaklarını izlemek için, örneğin bilinmeyen lezyonlara sahip kanserleri teşhis etmek için de kullanılabilir. . Ayrıca, önceki deneyler, kanser metilasyon verilerinin güvenilirliğini de doğrulamıştır. Küçük numunelerde bile tekrarlar elde edilebilir . Araştırmacıların şimdi yapması gereken şey, bu dağınık veriler temelinde genişlemeye devam etmektir, böylece kanser metilasyon grubu birleşik bir standart, çok yönlü tanı ve sınıflandırma aracı haline gelebilir.
Ama burada büyük bir sorun var Metilasyon verileri nereden geliyor? . Bir AI sisteminin geliştirilmesi, algoritmaları eğitmek için büyük miktarda veri gerektirir, ancak önceki teknoloji eksikliği ve yüksek maliyetle sınırlı, belirli bir tümör için metilasyon verileri açıkça ciddi şekilde yetersizdir, bunun düşük insidans oranına sahip bir merkez olduğundan bahsetmeye gerek yok. Sinir sistemi tümörleri.
Teknolojinin gelişmesi için teşekkürler. Artık bilim adamları, formalinde sabitlenmiş ve parafine gömülmüş az miktarda dokudan (FFPE) DNA'yı kolayca çıkarabilirler. Bu, deneysel materyallerin kaynağı sorununu çözer. Yeterli tümör DNA metilasyon verisi olmamasına rağmen, FFPE örnekleri dünya çapında birçok laboratuvar ve tıbbi kurumda saklanmaktadır.
Bu devasa araştırma ekibi, FFPE örnekleri toplamaya başladı. Illumina'nın ana akım metilasyon çipi 450K (insan vücudundaki 450.000 metilasyon bölgesini analiz edebilir), mevcut WHO sınıflandırmasındaki neredeyse tüm merkezi sinir sistemi tümör türlerini kapsayan yaklaşık 3000 tümör örneğinin metilasyon verilerini analiz etmek için kullanıldı. . Ek olarak, merkezi sinir sistemi tümörleri ile diğer tümörler ve normal beyin dokuları arasındaki farkları ayırt etmek için araştırma ekibi ayrıca bazı mezenkimal tümörleri, melanomları, diffüz büyük B hücreli lenfomaları, plazmasitomları ve 6 tip hipofiz bezini de analiz etti. Sağlıklı beyin dokusunda tümörler ve DNA metilasyonu.
Karar verme süreci
Araştırmacılar her numune için yüzbinlerce metilasyon bilgisini bilgisayara verirler.Öncelikle DSÖ'nün sınıflandırmasına ve numunenin tanı sonuçlarına göre, Denetimli makine öğrenimi algoritması altında, WHO tarafından tanımlanan her tümör türünün metilasyon özelliklerini analiz edin; ardından denetimsiz makine öğrenme algoritması ile tekrar analiz edin, yapay zeka sisteminin merkezi sinir sistemi tümörünün metilasyonunu kendi tanımasını özetlemesine izin verin bilmek .
Sonunda aldılar 82 merkezi sinir sistemi tümörünün metilasyon özellikleri ve 9 kontrol numunesinin metilasyon özellikleri . Bu 91 metilasyon özelliği, merkezi sinir sistemi tümörlerinin DSÖ tanımının rehberliğinde AI sistemi tarafından sınıflandırılmasıdır. Açıkçası, AI sisteminin merkezi sinir sistemi tümörleri sınıflandırması kesinlikle WHO'nun sınıflandırmasıyla tamamen örtüşemez.
Araştırmacılar bu 82 metilasyon özelliğini 5 kategoriye ayırdı.
İlk kategorinin 29'u WHO sınıflandırmasıyla tamamen eşleşiyor Diğer bir deyişle AI sistemi, bu metilasyon özelliklerinin belirli bir tümör tipine ait olduğunu düşünmektedir.DHO sınıflandırma standardına göre, doktorun önceki teşhisi bu sınıflandırmaya aittir. İkinci kategoride de 29 tane var.WHO sınıflandırmasında belirli bir tümörün alt tipleriyle eşleşebilirler. .
Geri kalanı sadece kısmi bir eşleşme veya hiç eşleşme yok. Ve araştırmacıların en çok ilgisini çekenlerin bunlar olduğunu düşünüyorlar, Bu keşif, araştırmacıların merkezi sinir sistemi tümörleri hakkında daha derin bir anlayış kazanmasına yardımcı olabilir. .
a, 91 metilasyon özelliği ve ait oldukları 5 kategori; b, 2801 numunenin metilasyon özelliklerinin boyut indirgeme veri haritası
Şimdiye kadar, merkezi sinir sistemi tümörlerinin metilasyon özellikleri AI sistemi tarafından çıkarıldı, artı kontrol grubu, toplam 91 tane var. Açıkçası, araştırma burada biterse, kullanım değeri hala sınırlıdır. Sonuçta, her numunenin metilasyon tipini bu 91 eşleşme ile manuel olarak analiz etmek çok zaman alıcı ve zahmetlidir.
sonra, Bu 91 metilasyon türünü rastgele orman makine öğrenme algoritmasına teslim ettiler ve bir AI karar verme sistemi geliştirdiler.Araştırmacılar metilasyon verilerini sıralama makinesinden AI sistemine aktardıkları sürece, tümörü hızla belirleyebilirler. Ne tür .
Bu metilasyon özelliklerinin ve AI karar sisteminin doğruluğunu doğrulamak için. Araştırmacı seçildi 1104 kopya Histolojik ve moleküler olarak teşhis edilmiş merkezi sinir sistemi tümörlü hastaların doku örnekleri, geleneksel standart histopatolojik analiz ve bu AI sistemi ile teşhis edilir.
sonuç, Örneklerin% 60,4'ünde AI sistemi ve patoloğun teşhisi tutarlıydı. Örnek AI sistemlerinin ve patologların% 15,5'i de aynı, ancak AI sistemi bunların daha küçük bir alt türe ait olması gerektiğine inanıyor .
Ayrıca Vakaların% 12,6'sında, AI sisteminin sonuçları ve patoloğun teşhisi tutarsızdır . AI sistemi mi yoksa patolog mu? Bu yüzden araştırmacılar, örneğin bu kısmının (gen sıralaması gibi) daha derinlemesine bir analizini yaptılar ve sonunda bir sürpriz buldular. Örneklerin% 92,8'i AI sistemleridir .
Kalan son Örneklemin% 11,5'i, AI sistemi güçsüz olduğunu ve nasıl sınıflandırılacağını bilmediğini söyledi Dikkatli bir analiz, bunların üçte birinin nadir tümörler olduğunu buldu.Erken aşamadaki örnek boyutu yeterli olmayabilir ve bu da AI sisteminin tanımlanamamasına neden olabilir. Dolayısıyla bu kısım veri birikimi ile çözülebilir.
AI sisteminin vakaları tanıması
Şu anda, AI platformu araştırma kurumlarına ücretsiz olarak açıldı. 2016'daki lansmanından bu yana, yaklaşık 10.000 ayrı DNA metilasyon verisi yüklendi! Uygulanabilirlik, binden fazla gerçek vaka tarafından desteklenmiştir.
Elbette araştırmacılar, metilasyon özelliklerinin tek bir teşhis kriteri olarak kullanılamayacağına ve klinik doğrulamanın gerekli olduğuna dikkat çekti. Bununla birlikte, bir araştırma aracı olarak, merkezi sinir sistemi tümörlerinin araştırılmasında gerçekten büyük bir adım atacaktır.
Bir yandan, birleşik ve kullanımı kolay standartlar bilimsel araştırmaları daha organize hale getirecek, diğer yandan metilasyon gruplarının net veri özellikleri de bilgisayar analizini kolaylaştıracaktır. Bu teknoloji ile, tümör sınıflandırmamız daha dinamik olacak ve kademeli olarak iyileştirilecek ve sonuçta daha kesin ve hedefe yönelik tedavi planlarına yol açacaktır.
Referans malzemeleri:
David Capper, David T.W. Jones, Martin Sill ve diğerleri. Merkezi sinir sistemi tümörlerinin DNA metilasyonuna dayalı sınıflandırması. Nature, 2018.
Louis D N, Perry A, Reifenberger G, ve diğerleri. 2016 Dünya Sağlık Örgütü merkezi sinir sistemi tümörlerinin sınıflandırması: bir özet. Acta neuropathologica, 2016, 131 (6): 803-820.
. https://www.fda.gov/newsevents/newsroom/pressannouncements/ucm552742.htm
Moran, S. ve diğerleri Epigenetik, bilinmeyen primer kanserini sınıflandırmak için profling: çok merkezli, retrospektif bir analiz. Lancet Oncol. 17, 13861395 (2016).
Hovestadt, V. ve diğerleri. Yüksek yoğunluklu DNA metilasyon dizileri kullanılarak küçük miktarlarda arşivsel tümör materyalinden medulloblastomun sağlam moleküler alt gruplaması ve kopya sayısı proflingi Açta Neuropathol. 125, 913-916 (2013).
https://www.molecularneuropathology.org
Bu makale ilk olarak WeChat kamu hesabında yayınlandı: Singularity
Orijinal bağlantı: https://mp.weixin.qq.com/s/QSlv2mEn0QrMhQYD4-1MZg
Topluluğa katıl
Xinzhiyuan AI teknolojisi + endüstri topluluğu işe alımı, AI teknolojisi + endüstri inişiyle ilgilenen öğrencilere hoş geldiniz, gruba katılmak için küçük bir asistan WeChat hesabı ekleyin: aiera2015_1; incelemeyi geçtikten sonra, topluluğa katıldıktan sonra gruba katılmaya davet edeceğiz, grubu değiştirdiğinizden emin olun Açıklamalar (isim-şirket-pozisyon; profesyonel grup incelemesi katıdır, lütfen anlayın).
