我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

AI工具快速解码脑瘤手术期间的DNA

人类的大脑分为两个半球的卡通。
信贷:Seanbatty / Pixabay。

想要一个免费的PDF版本的这个新闻吗?

完成下面的表格,我们将电子邮件您的PDF版本“人工智能工具快速解码大脑肿瘤的DNA在手术”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

科学家们设计了一个人工智能工具,可以快速解码大脑肿瘤的DNA来确定它的分子身份在手术过程中关键信息,在当前方法可能需要几天,几周。


了解肿瘤的分子类型使神经外科医生决策如脑组织切除多少和是否将tumor-killing药物直接进入大脑,而病人仍在手术台上。


工作报告,由哈佛医学院研究人员发表在《华尔街日报》7月7日地中海

想要更多的最新消息?

订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。

免费订阅
准确的分子诊断——细节DNA改变细胞在神经外科医生手术可以帮助决定删除多少脑组织。移除肿瘤时太多不那么咄咄逼人会影响病人的神经系统和大脑的认知功能。同样,删除太少高度侵略性的肿瘤时可能留下恶性组织能够快速生长和扩散。


“现在,即使是最先进的临床实践期间不能概要肿瘤分子手术。我们的工具克服这一挑战冰冻病理幻灯片,迄今尚未开发的生物医学信号提取”研究的资深作者Kun-Hsing余助理教授HMS Blavatnik学院生物医学信息学。


了解肿瘤的分子身份在手术过程中也是有价值的,因为某些肿瘤从现场治疗中获益药物涂层晶片直接放置进入大脑时的操作,Yu说。


”的能力来确定术中实时分子诊断,手术期间,可以推动实时精密肿瘤学的发展,”Yu说。


现在使用的标准的术中诊断方法包括取脑组织,冻结,并在显微镜下检查。一个主要缺点是冰冻组织倾向于改变细胞在显微镜下的外观,可以干扰临床评估的准确性。此外,人类的眼睛,即使使用强大的显微镜,不能可靠地检测滑微妙的基因变异。


新人工智能方法克服这些挑战。


这个工具,叫做魅力(Cryosection组织病理学评估和审查机器),免费提供其他研究人员。它还需要临床验证通过测试在实际设置和清除被FDA在医院部署之前,研究小组说。

癌症的分子代码

最近的基因组学的进步使病理学家分化的分子签名,这样签名行为预示着在各种类型的大脑癌症以及在特定类型的癌症。例如,神经胶质瘤最激进的脑瘤,最常见的形式的脑癌——有三个主要subvariants携带不同的分子标记和有不同的倾向对增长和扩散。


新工具的能力,加快分子诊断可能是特别有价值的领域有限的访问技术进行快速癌症基因测序。


以外的决策在手术过程中,知识对其侵略性肿瘤的分子类型提供了线索,行为,可能对不同的治疗方法。这些知识可以告知手术后的决策。


此外,使手术中诊断与新工具世界卫生组织最近更新的分类系统诊断和分级胶质瘤的严重程度,呼吁这样的诊断,根据肿瘤的基因组。

培训的魅力

魅力是使用2334开发的大脑与神经胶质瘤肿瘤样本1524人从三个不同的患者群体。当测试一组从未见过的大脑样本,该工具区分肿瘤与特定的分子变异93%的准确率和成功地分类三个主要类型的神经胶质瘤与不同的分子特性,携带不同的预测和对治疗的反应不同。


更进一步,周围组织的工具成功地捕获视觉特征的恶性细胞。这是能够发现的地区更大的细胞密度和细胞死亡在样品,这两个信号更激进的神经胶质瘤类型。


工具也能够查明临床上重要的分子改变低级神经胶质瘤的一个子集,子类型的神经胶质瘤是不那么咄咄逼人,因此不太可能侵入周围组织。这些变化也为增长信号不同的倾向,传播和治疗反应。


工具进一步连接细胞——的外观形状的核,细胞周围水肿的存在——分子的肿瘤。这意味着该算法可以确定细胞的外观与分子类型的肿瘤。


这种能力来评估周围的大背景下图像渲染模型更准确和更接近人类病理学家如何视觉评估肿瘤样本,Yu说。


研究人员说,尽管在神经胶质瘤模型训练和测试样本,它可以成功地重新训练识别其他大脑癌症亚型。


科学家已经设计的人工智能模型分析其他类型的癌症,结肠癌、肺癌、乳腺癌,但神经胶质瘤一直特别具有挑战性由于其分子的复杂性和巨大的变化在肿瘤细胞的形状和外观。


魅力工具必须定期重新训练,以反映新知识、新出现的疾病分类。


“就像人类临床医师必须参与正在进行的教育和培训,AI工具必须跟上最新的知识保持在巅峰状态。”


参考:纳斯鲁拉MP,赵J,蔡CC, et al。机器学习Cryosection病理学预测2021年世卫组织分类的神经胶质瘤。地中海。2023年。doi: 10.1016 / j.medj.2023.06.002


这篇文章被转载从以下材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

广告
Baidu