Οι επιστήμονες ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης (AI) ικανό να αποκρυπτογραφήσει τον γενετικό κώδικα ενός όγκου εγκεφάλου σε πραγματικό χρόνο, κατά τη διάρκεια της χειρουργικής επέμβασης – μια πρόοδος που λένε ότι θα μπορούσε να επιταχύνει τη διάγνωση και να εξατομικεύσει τη θεραπεία των ασθενών.
Οι ερευνητές εκπαίδευσαν το εργαλείο AI για να αναγνωρίζει τα διαφορετικά γενετικά χαρακτηριστικά των γλοιωμάτων, μιας ομάδας όγκων που αποτελούν την πιο κοινή μορφή καρκίνου του εγκεφάλου μεταξύ των ενηλίκων.
Ωστόσο, δεν είναι όλα τα γλοιώματα ίδια. Οι περισσότεροι άνθρωποι διαγιγνώσκονται με έναν από τους τρεις υποτύπους που ο καθένας έχει διαφορετικά γενετικά χαρακτηριστικά—και, κρίσιμα, διαφορετικούς βαθμούς επιθετικότητας και θεραπευτικών επιλογών.
Αυτήν τη στιγμή, οι γιατροί που ονομάζονται παθολόγοι μπορούν να αναλύσουν τα γλοιώματα για αυτούς τους γενετικούς δείκτες, σε αυτό που είναι γνωστό ως μοριακή διάγνωση . Αλλά η διαδικασία διαρκεί μέρες έως εβδομάδες, είπε ο Δρ Κουν-Χσινγκ Γιου , ο ανώτερος ερευνητής στη νέα μελέτη.
Αντίθετα, το εργαλείο AI που αναπτύσσει η ομάδα του μπορεί να επιτρέψει τη μοριακή διάγνωση σε 10 έως 15 λεπτά. Αυτό σημαίνει ότι θα μπορούσε να γίνει κατά τη διάρκεια της χειρουργικής επέμβασης, σύμφωνα με τον Yu, επίκουρο καθηγητή βιοϊατρικής πληροφορικής στην Ιατρική Σχολή του Χάρβαρντ, στη Βοστώνη.
Η τεχνολογία, που ονομάζεται CHARM, εμφανίζεται επίσης ψηλά στην κλίμακα ακρίβειας. Όταν η ομάδα του Yu το έβαλε σε δοκιμή με δείγματα γλοιώματος που δεν είχε «δεί» ποτέ πριν, το εργαλείο AI ήταν 93% ακριβές στη διάκριση των τριών διαφορετικών μοριακών υποτύπων.
Το να μπορούμε να κάνουμε τέτοιες διακρίσεις στο χειρουργείο είναι κρίσιμο, είπε ο Yu και άλλοι ειδικοί, επειδή θα μπορούσε να αλλάξει τον τρόπο με τον οποίο αντιμετωπίζεται ένας ασθενής.
Μερικά γλοιώματα είναι λιγότερο επιθετικά και οι χειρουργοί μπορεί να είναι πιο συντηρητικοί στην αφαίρεση του εγκεφαλικού ιστού —πράγμα που μπορεί να ελαχιστοποιήσει τις παρενέργειες.
Άλλα γλοιώματα, όπως το γλοιοβλάστωμα, είναι ιδιαίτερα επιθετικά. Έτσι, οι χειρουργοί θα προσπαθήσουν να αφαιρέσουν όσο το δυνατόν μεγαλύτερο μέρος του καρκίνου και μερικές φορές θα εμφυτεύσουν “γκοφρέλες” αργά απελευθερωμένων φαρμάκων χημειοθεραπείας απευθείας στον εγκέφαλο.
«Αυτή η πρωτοποριακή τεχνολογία έχει τη δυνατότητα να καθοδηγήσει τις χειρουργικές αποφάσεις παρέχοντας μοριακή διάγνωση σε πραγματικό χρόνο κατά τη διάρκεια χειρουργικών επεμβάσεων όγκου εγκεφάλου», δήλωσε ο Atique Ahmed , αναπληρωτής καθηγητής νευρολογικής χειρουργικής στο Northwestern University Feinberg School of Medicine στο Σικάγο.
Ο Ahmed, ο οποίος δεν συμμετείχε στη μελέτη, αποκάλεσε την ακρίβεια 93% του εργαλείου “εντυπωσιακή”, αλλά σημείωσε ότι μπορεί να βελτιωθεί.
«Είναι σημαντικό να θυμόμαστε ότι η ανακρίβεια 7% δεν είναι απλώς ένας αριθμός», είπε. «Αντιπροσωπεύει ασθενείς με πολύ επιθετικές ασθένειες που θα μπορούσαν να ωφεληθούν πολύ από πιο ακριβείς διαγνώσεις».
Ο Yu συμφώνησε ότι η απόδοση μπορεί να βελτιωθεί περαιτέρω, και το CHARM δεν είναι ακόμα έτοιμο για την πρώτη στιγμή. Πρέπει να δοκιμαστεί σε πραγματικές συνθήκες, είπε, και να εκκαθαριστεί από την Υπηρεσία Τροφίμων και Φαρμάκων των ΗΠΑ.
Οι ερευνητές συνεργάζονται με πολλά νοσοκομεία σε διάφορες περιοχές του κόσμου για να βάλουν το CHARM σε αυτό το πραγματικό τεστ.
Το ενδιαφέρον για τη χρήση της τεχνητής νοημοσύνης σε ιατρικές διαγνώσεις έχει εκραγεί τα τελευταία χρόνια. Η ελπίδα είναι ότι οι αλγόριθμοι τεχνητής νοημοσύνης θα βοηθήσουν τους ειδικούς στην ανάλυση εικόνων – από μαστογραφίες ή αξονικές τομογραφίες, για παράδειγμα – για να λάβουν μια πιο γρήγορη και ακριβή ετυμηγορία.
Κανείς δεν θέλει να αντικαταστήσει τους γιατρούς, τόνισε ο Yu. «Θέλουμε να χρησιμοποιήσουμε την τεχνητή νοημοσύνη ως εργαλείο».
Το CHARM είναι ένα πολύ πιο αξιομνημόνευτο αρκτικόλεξο για το Cryosection Histopathology Assessment and Review Machine. Η ομάδα του Yu ανέπτυξε το εργαλείο χρησιμοποιώντας περισσότερα από 2.300 κατεψυγμένα δείγματα όγκου από 1.524 ασθενείς που έλαβαν θεραπεία για γλοίωμα σε διάφορα νοσοκομεία των ΗΠΑ.
Η εργασία, που περιγράφηκε διαδικτυακά στις 7 Ιουλίου στο περιοδικό Med , δεν είναι η μόνη προσπάθεια βελτίωσης της διάγνωσης γλοιώματος με χρήση τεχνητής νοημοσύνης.
Άλλα εργαλεία βρίσκονται υπό μελέτη, συμπεριλαμβανομένου ενός που ονομάζεται DeepGlioma. Ο Δρ Daniel Orringer , νευροχειρουργός στο Κέντρο Καρκίνου Perlmutter του NYU Langone στη Νέα Υόρκη, είναι ένας από τους ερευνητές σε αυτό το έργο.
Είπε ότι αυτή τη στιγμή, η μοριακή διάγνωση του γλοιώματος δεν είναι μόνο χρονοβόρα και δαπανηρή, αλλά δεν είναι διαθέσιμη σε όλα τα νοσοκομεία όπου νοσηλεύονται ασθενείς. Η τεχνητή νοημοσύνη έχει τη δυνατότητα να «εκδημοκρατίσει τις μοριακές δοκιμές», είπε ο Orringer.
Το CHARM, είπε, είναι «ιδιαίτερα ελκυστικό» από αυτή την άποψη, επειδή θα μπορούσε τελικά να χρησιμοποιηθεί σε οποιοδήποτε νοσοκομείο που έχει την ικανότητα να ψηφιοποιεί ιστολογικές διαφάνειες (μικροσκοπικές εικόνες δειγμάτων όγκου ασθενών).
Ο Yu έκανε ένα παρόμοιο σημείο. Τα άλλα εργαλεία τεχνητής νοημοσύνης που αναπτύσσονται για το γλοίωμα απαιτούν έναν ειδικό τύπο μικροσκοπίου που δεν είναι διαθέσιμο σε όλα τα νοσοκομεία —ακόμα και σε πλούσιες χώρες, πόσο μάλλον στον αναπτυσσόμενο κόσμο , είπε.
Και ενώ η τρέχουσα μελέτη επικεντρώθηκε στο γλοίωμα , ο Yu είπε ότι το CHARM θα μπορούσε να εκπαιδευτεί για να βοηθήσει στη διάγνωση και άλλων τύπων όγκων του εγκεφάλου.
Ο Αχμέντ χαρακτήρισε αυτή την πιθανή «πολυλειτουργικότητα» πολλά υποσχόμενη.
«Η ανάπτυξη του CHARM αντιπροσωπεύει ένα σημαντικό άλμα προς τα εμπρός στην αναζήτηση ακριβούς και ταχείας μοριακής διάγνωσης κατά τη διάρκεια χειρουργικών επεμβάσεων όγκου εγκεφάλου », είπε.
