突变酶
该研究使用了深度学习一种被称为异柠檬酸脱氢酶(IDH)的基因的状态,该基因会产生一种以突变形式可能触发的酶肿瘤大脑的生长。
准备治疗神经胶质瘤的医生通常会让病人经历这些手术获得肿瘤组织然后分析以确定IDH突变状态。预后和治疗策略将根据患者是否患有idh突变的神经胶质瘤而有所不同。
然而,由于获取足够的样本有时既费时又有风险——尤其是在肿瘤难以获取的情况下——研究人员一直在研究非手术策略来确定IDH突变状态。
这项研究与之前的研究有三个不同之处:
- 该方法具有较高的准确性。以前的技术往往无法超过90%的准确率。
- 突变状态仅通过分析单个系列MR图像而不是多种图像类型来确定。
- 需要一个单一的算法来评估肿瘤中的IDH突变状态。其他技术要么需要手工绘制感兴趣的区域,要么需要额外的深度学习模型,以首先确定肿瘤的边界,然后检测潜在的突变。
Maldjian说:“这种新的深度学习模型的美妙之处在于它的简单性和高度的准确性。”他补充说,类似的方法可能被用于识别各种癌症的其他重要分子标记物。“我们删除了额外的预处理步骤,通过使用常规获取的图像,创建了一个理想的场景,可以轻松地将其转化为临床护理。”
肿瘤成像
神经胶质瘤在大脑中发现的恶性肿瘤中占绝大多数,并且通常可以通过周围组织迅速扩散。高级别胶质瘤的五年生存率为15%,尽管IDH酶突变的肿瘤通常有更好的预后。
IDH突变状态也帮助医生决定最适合患者的治疗组合,从化疗、放疗到手术切除肿瘤。
为了改善检测酶突变和决定适当治疗的过程,Maldjian的团队开发了两个深度学习网络,用于分析来自美国各地200多名脑癌患者的公开数据库的图像数据
一个网络只使用了来自MRI (t2加权图像)的一个系列,而另一个网络使用了来自MRI的多种图像类型。这两个网络实现了几乎相同的准确性,这表明仅使用t2加权图像可以显著简化检测IDH突变的过程。
“大局”
Maldjian的团队下一步将在更大的数据集上测试他的深度学习模型,以进行进一步验证,然后再决定是否将该技术应用到临床护理中。
与此同时,研究人员希望通过正在进行的国家临床试验开发出抑制IDH的药物。如果有效,这些抑制剂可以与人工智能成像技术结合,彻底改变一些脑癌的评估和治疗方式。Maldjian说:“总的来说,我们也许能够在不需要对病人进行手术的情况下治疗一些神经胶质瘤。”“我们将使用人工智能来检测IDH突变的胶质瘤,然后使用IDH抑制剂来减缓或逆转肿瘤的生长。无线电基因组学领域充满了无限的可能性。”
来源:德克萨斯大学西南医学中心